人工智能-作业4：CNN - 卷积

一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。

卷积：图像中不同数据窗口的数据和卷积核（一个滤波矩阵）作内积的操作叫做卷积。其计算过程又称为滤波（filter)，本质是提取图像不同频段的特征。

卷积核：就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。

多通道：通道可以理解为视角、角度。例如同样是提取边界特征的卷积核，可以按照R、G、B三种元素的角度提取边界，RGB在边界这个角度上有不同的表达；再比如需要检查一个人的机器学习能力，可以从特征工程、模型选择、参数调优等多个方面检测。

特征图：图像经过卷积过程得到的结果。

特征选择：不同视觉神经细胞对边界、运动和颜色等不同信息具有 强弱不同的选择性，特征选择是指从原始特征中挑选出一组最有代表性、分类性能好的特征，可以使用不同的卷积核来进行不同偏向的特征选择。

二、探究不同卷积核的作用，研究背后的原理。

不同卷积核下图像卷积意义
1.均值滤波
均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点ÿ