卷积神经网络：过滤器为啥被叫作“核”

过滤器（Filter）被称为“核（Kernel）” 是因为，它在数学和信号处理的背景下，本质上是一种核函数（Kernel Function），用于局部操作。

---

1. 源自数学领域

• 在数学和信号处理中，卷积核（Convolution Kernel） 是卷积操作的核心组件。
• 卷积核是一个小矩阵，它在卷积计算中与输入数据的某个局部区域进行点积运算。
• 在信号处理中，核函数（Kernel Function）常用于描述如何将输入信号变换为输出信号。

因此，“核”一词最初来源于卷积的数学定义，用来指代执行卷积操作的权重矩阵。

---

2. 核心的概念

“核”具有“核心”或“关键”的含义：

• 在卷积神经网络（CNN）中，卷积核（过滤器）是提取特征的关键部分。
• 它定义了如何在输入数据的局部区域中加权、汇总并生成新的特征。
• 由于这些小的核矩阵能够捕获数据的模式和特征，它们被称为“核心”。

---

3. 卷积核的物理意义

• 卷积核可以看作一个模板，用来探测输入数据中的特定模式（例如边缘、角点、纹理等）。
• 这种探测机制类似于信号处理中用滤波器提取某些频率的信号，因此在计算机视觉中，过滤器也被称为“卷积核”或“核矩阵”。

---

4. 多学科的交叉

• 在机器学习中，核函数（Kernel Function）也用于核方法（如支持向量机中的核技巧）来映射特征空间。
• 在卷积神经网络中，核（Kernel）专指用于局部卷积操作的小矩阵，强调它是计算的局部关键成分。

---

5. 命名沿袭

随着卷积操作在神经网络中的广泛应用，原本在信号处理和数学中的“卷积核”概念被直接沿用。为了统一术语和表达，过滤器（Filter）和核（Kernel）逐渐成为互换使用的术语，但二者在应用上的重点略有不同：

• 过滤器：强调其“过滤”和“筛选”特定信息的功能。
• 核：强调其在卷积操作中的核心地位。

---

总结

过滤器被称为“核”是因为它源于数学卷积操作中的“卷积核”概念，表示局部计算的核心组件。虽然在神经网络中可以将“过滤器”和“核”视为同义词，但“核”更强调其数学和理论背景，而“过滤器”更注重其在特征提取中的功能。