机器学习与深度学习 / 系统课时
用多卷积核生成不同特征图
用多卷积核生成不同特征图
同一张图像里往往同时存在横向边缘、竖向边缘、纹理和局部形状。单个卷积核只能给出一种响应模式,因此 CNN 会让多个卷积核并行扫描同一输入,再把结果堆叠成多个特征通道,交给后续层继续组合。
学习目标
- 理解一个卷积核为什么对应一张输出特征图
- 看懂多个卷积核如何形成输出张量的多个通道
- 理解边缘、纹理等模式如何通过训练逐步形成
一个卷积核只观察一种模式
假设输入是一张单通道灰度图,卷积核大小为 。卷积核会在图像上滑动,每到一个位置,就把局部 区域与九个权重逐项相乘并求和,得到输出特征图中的一个数值。
因此,一个卷积核在整张图上使用的是同一组权重。它会持续寻找与这组权重相似的局部结构:某些位置响应大,表示当地结构与卷积核偏好的模式更匹配;响应小则表示不匹配。
如果输入尺寸为 ,步幅为 1、没有 Padding,使用 卷积核时,单个卷积核得到的特征图尺寸为 。
多个卷积核并行生成多个通道
CNN 不会只学习一个卷积核。假设这一层有 4 个卷积核,它们都会读取同一份输入,但每个卷积核拥有独立权重,因此会产生 4 张不同的特征图。

若输入只有一个通道,每个卷积核可以写成 。使用 个卷积核后,输出就包含 个通道:
这里的 也常被称为卷积层的输出通道数。改变卷积核数量,本质上就是改变这一层能够同时学习多少组局部特征检测规则。
对于 RGB 图像,情况只是多了一层通道维。输入有 3 个通道时,每个卷积核必须同时覆盖 RGB,因此其形状是 。一个这样的三维卷积核仍然只生成一张特征图;使用 64 个卷积核,才会得到 64 个输出通道。
不同特征不是人工预先规定的
为了建立直觉,人们常把卷积核描述成“边缘检测器”或“纹理检测器”,但现代 CNN 训练时通常不会手工写入这些权重。卷积核从随机或预训练参数开始,通过损失函数和反向传播不断更新。
如果某组权重对识别目标中的竖直边缘有帮助,优化过程会倾向于保留并强化这种响应;另一组权重可能逐渐对颜色变化、细纹或角点更敏感。于是同一层中的不同卷积核会形成不同的特征偏好。
早期卷积层通常更容易出现边缘、方向和简单纹理等局部模式。更深的卷积层接收到的已经不是原始像素,而是上一层的多通道特征,因此能够继续组合出更复杂的形状、部件或类别相关模式。
特征图如何进入下一层
多张特征图不会各自独立走到网络末端,而是沿通道维堆叠成一个新的三维张量。下一层的每个卷积核会同时读取这些通道,从而学习“多个低级特征同时出现时意味着什么”。
例如,上一层的若干通道分别对竖直边缘、水平边缘和局部纹理响应较强,下一层就可以把这些响应组合起来,对角点、轮廓转折或更完整的局部形状产生更强响应。
这正是 CNN 表达能力逐层增长的关键:同一层用多个卷积核并行扩展特征种类,后一层再跨通道重新组合这些特征。 因而所谓“学习 64 个特征”并不是保存 64 张固定模板,而是学习 64 组可在整张输入上共享使用的局部检测规则。