标签：
卷积的实现：
对于每幅图像，每个filter，首先从W中取出对应的filter：
filter = squeeze(W(:,:,filterNum));
接下来startercode里面将filter旋转90度并且取出image：
% Flip the feature matrix because of the definition of convolution, as explained later filter = rot90(squeeze(filter),2); % Obtain the image im = squeeze(images(:, :, imageNum));
然后进行卷积，注意这里要用conv2的valid模式，因为这里的卷积不对图像边界之外的像素进行操作：
%%% YOUR CODE HERE %%% convolvedImage = conv2(im,filter,‘valid‘);
最后加上偏置b并且作用一个sigmoid函数，最终得到的featuremap放到convolvedFeatures里面：
%%% YOUR CODE HERE %%% convolvedImage = bsxfun(@plus,convolvedImage,b(filterNum)); convolvedImage = 1 ./ (1+exp(-convolvedImage)); convolvedFeatures(:, :, filterNum, imageNum) = convolvedImage;
完整的实现参见我的github
Pooling的实现：
对于每幅图像的每一个卷积操作得到的featuremap，首先从convolvedFeatures中取出对应的featuremap：
featuremap = squeeze(convolvedFeatures(:,:,featureNum,imageNum));
这里的pooling是通过卷积实现的，如下图所示：
上图第一个正方形表示4*4的featuremap，假设poolDim的大小是2*2，用一个(poolDim*poolDim)的filter对图像进行卷积操作，得到第二个正方形；最后进行步长为poolDim的采样，就得到最后pooling之后的featuremap——第三个正方形。注意这样使用mean pooling，所以filter设置成一个(poolDim*poolDim)，值为1/(poolDim*poolDim)的正方形矩阵就可以达到这个目的了，代码如下：
%%% YOUR CODE HERE %%%
for imageNum = 1:numImages
for featureNum = 1:numFilters
featuremap = squeeze(convolvedFeatures(:,:,featureNum,imageNum));
pooledFeaturemap = conv2(featuremap,ones(poolDim)/(poolDim^2),‘valid‘);
pooledFeatures(:,:,featureNum,imageNum) = pooledFeaturemap(1:poolDim:end,1:poolDim:end);
end
end
两个for中第一行代码得到featuremap，第二行进行卷积求平均值，第三行进行采样并把结果放到pooledFeatures中。
完整代码参见我的github。
【ufldl tutorial】Convolution and Pooling
标签：
原文地址：http://www.cnblogs.com/sunshineatnoon/p/4527475.html
