3d卷积核

需要以3d的思维去考虑feature map，比如用773的卷积核去卷积，77是对feature size进行卷积，和2d一样，3是对feature map的数量进行卷积。如果有两个卷积核那么就在卷积基础上乘以2。一个20208的featuremap 经过3个77*3的卷积核卷积之后的总数应该是（8-3+1）*3

在3dcnn的论文中，作者将7帧的连续帧输入，将每一帧解析并且合并会得到5个通道，分别是灰度，x梯度，y梯度，光流x，光流y，这5个通道的第三维分别为7，7，7，6，6.在下一个卷积层中做773的卷积是分别对这5个通道做卷积，而不是把他们合并做卷积（可以把解析层当作有5个卷积核，只不过他们结果的通道数不一样）。如果是两个卷积核那么得到的通道数应该是10（要和feature map的数量区分开）。feature map的数量应该是((7-3)+1)+((7-3)+1)+((7-3)+1)+((6-3)+1)+((6-3)+1)+((7-3)+1)+((7-3)+1)+((7-3)+1)+((6-3)+1)+((6-3)+1).继续做卷积，现在卷积核的数量是3，依然是773，这个时候通道数为30.feature map数量为(((5-3）+1）+（（5-3）+1）+（（5-3）+1）+（（4-3）+1）+（（4-3）+1)+（（5-3）+1）+（（5-3）+1）+（（5-3）+1）+（（4-3）+1）+（（4-3）+1)）*3。经过最后的一个卷积层之后获得128维的featuremap，原因是在最后一层卷积层将这些通道合并，是78个2dfeature map。用128个二维卷积核去做卷积（直接当作2dcnn即可）。