卷积：从一维卷积到三维卷积的过程（信号-灰度图-彩色图）

一维卷积

二维卷积

• 步长为 1

• 带步长（取 2）

三维卷积

将 3x3x3 的滤波器想象为一个三维的立方体，为了计算立方体滤波器在输入图像上的卷积操作：

• 一个卷积核

首先将这个三维的滤波器放到左上角,让三维滤波器的 27 个数依次乘以红绿蓝三个通道中的像素数据,即滤波器的前 9 个数乘以红色通道中的数据,中间 9 个数乘以绿色通道中的数据,最后 9 个数乘以蓝色通道中的数据。将这些数据加总起来,就得到输出像素的第一个元素值。
如下图所示：

• 多卷积核

通常而言，卷积核不止一个：

我们用第一个滤波器进行卷积得到一个 4x4 的输出,然后用第二个滤波器进行卷积又得到一个 4x4 的输出,将这个输出放到第一个输出后面,形成了一个 4x4x2 的输出,这里的 2 的就是滤波器的个数。

• 另一种理解

关于多通道卷积的另一种理解类似于 DNN 中的标准神经网络中的 Z=Wx+b 的线性计算,其中 x 为输入的原始图像, W 为滤波器, b 偏差项,卷积过程就类似与标准神经网络的线性计算,完了之后利用激活函数进行激活。