机器学习与深度学习 / 系统课时

卷积核与特征图

卷积核与特征图

本课解决“卷积层到底在图像上做了什么”这个问题。你将从局部连接出发,理解卷积核如何在空间上滑动、如何跨通道计算,并能根据步幅与填充判断特征图尺寸和感受野变化。

学习目标

  • 解释局部连接与权重共享为什么适合处理图像
  • 理清输入通道、卷积核和输出通道之间的对应关系
  • 计算步幅、填充对特征图尺寸与感受野的影响

从全连接到局部连接

一张图像由相邻像素共同形成边缘、纹理和局部形状。卷积层不会让每个输出神经元连接整张图,而只观察一个小窗口,例如 3×33\times3 区域。这种局部连接减少了参数,也保留了图像的空间结构。

同一个局部模式可能出现在图像任意位置,因此卷积核在滑动过程中重复使用同一组权重,这就是权重共享。它让模型用一套参数检测整张图中的同类特征,而不是为每个位置分别学习一套检测器。

卷积核滑动并生成特征图

通道与卷积核的关系

彩色图像通常有 RGB 三个输入通道。一个用于生成单张输出特征图的卷积核,其深度必须覆盖全部输入通道,因此形状可写成 输入通道数 × 核高 × 核宽。各通道分别做乘加后再求和,并加上偏置,得到一个输出位置。

输出通道数由卷积核组的数量决定。若输入是 3 通道,使用 16 组 3 × 3 × 3 卷积核,就会得到 16 张特征图。每张特征图通常学习不同模式,例如水平边缘、颜色对比或局部纹理。

尺寸控制与感受野

步幅 S 表示卷积核每次移动多少格。步幅越大,输出空间尺寸越小,但跳过的信息也越多。填充 P 常在输入边缘补零,使卷积核能够覆盖边界,并控制输出尺寸。

当输入边长为 H、卷积核边长为 K 时,输出边长为:

Hout=⌊H+2P−KS⌋+1H_{out}=\left\lfloor\frac{H+2P-K}{S}\right\rfloor+1

例如输入为 5 × 5,卷积核为 3 × 3,步幅为 1、填充为 1,则输出仍为 5 × 5;若步幅改为 2,输出边长变为 3。实际设计时还要确认框架采用的取整规则。

单层中的一个输出位置只观察局部窗口,这个窗口就是直接感受野。连续堆叠卷积层后,后层位置会间接依赖前层多个位置,因此映射回原图时,感受野会逐层扩大。三个连续的 3 × 3、步幅为 1 的卷积层,其理论感受野依次为 3 × 3、5 × 5、7 × 7。

Tips:填充能保持特征图尺寸,但不会让边缘获得真实图像信息。零填充过多时,边界位置会受到人工补零的影响。

本课总结

  • 局部连接负责捕获邻域模式,权重共享负责在不同位置复用同一个检测器
  • 一个输出通道对应一组覆盖全部输入通道的卷积核,卷积核组数量决定输出通道数
  • 步幅和填充控制特征图尺寸,多层卷积会逐步扩大感受野

下一课预告

下一课将比较最大池化、平均池化和步幅卷积,分析它们如何压缩特征图,以及下采样过程中哪些空间信息会被保留或丢失。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

卷积核与特征图

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通