一维到三维的推广（1D and 3D generalizations of models）

来源：Coursera吴恩达深度学习课程

到目前为止我们已经学习了许多关于卷积神经网络（ConvNets）的知识，从卷积神经网络框架，到如何使用它进行图像识别、目标检测、人脸识别与神经网络转换。即使我们大部分讨论的图像数据，某种意义上而言都是2D数据，考虑到图像如此普遍，我们所掌握的思想不仅局限于2D图像，甚至可以延伸至1D，乃至3D数据。

如上图第一行，回忆之前学习的2D卷积，输入一个14×14的图像，并使用一个5×5的过滤器进行卷积，通过这个操作得到10×10的输出。如果你使用了多通道，比如14×14×3，那么相匹配的过滤器可能是5×5×3，如果你使用了多重过滤，比如16，最终你得到的是10×10×16。

事实证明该想法也同样可以用于1维数据，举个例子（上图第二行），左边是一个EKG信号（signal），当在胸部（chest）放置一个电极（electrode），电极透过胸部测量心跳带来的微弱电流，正因为心脏跳动，产生的微弱电波能被一组电极测量，这就是人心跳产生的EKG，每一个峰值都对应着一次心跳（heartbeat）。

如果你想使用EKG信号，比如医学诊断（medical diagnosis），那么你将处理1维数据，因为EKG数据是由时间序列对应的每个瞬间的电压组成，这次不是一个14×14的尺寸输入，你可能只有一个14尺寸输入，在这种情况下你可能需要使用一个1维过滤（one-dimensional filter）进行卷积，你只需要一个1×5的过滤器，而不是一个5×5的，可在不同位置应用类似2D的方法。当你对这个1维信号使用卷积，你将发现一个14维的数据与5维数据进行卷积，并产生一个10维输出。

再一次如果你使用多通道，在这种场景下可能会获得一个14×1的通道。如果你使用一个EKG，就是5×1的，如果你有16个过滤器，可能你最后会获得一个10×16的数据，这可能会是你卷积网络中的某一层。

对于卷积网络的下一层，如果输入一个10×16数据，你也可以使用一个5维过滤器进行卷积，这需要16个通道进行匹配，如果你有32个过滤器，另一层的输出结果就是6×32，如果你使用了32个过滤器的话。

下一门课将讨论序列模型（sequence models），包括递归神经网络（recurrent neural networks）、LCM与其他类似模型。我们将探讨使用1D卷积网络的优缺点，对比于其它专门为序列数据而精心设计的模型。

这也是2D向1D的进化，对于3D数据来说如何呢？什么是3D数据？与1D数列或数字矩阵不同，你现在有了一个3D块，一个3D输入数据。以你做CT扫描为例，如下图：

这是一种使用X光照射（x-ray scan），然后输出身体的3D模型，CT扫描实现的是它可以获取你身体不同片段（图片信息），对人体躯干做切片。假设你的数据现在具备一定长度、宽度与高度，其中每一个切片都与躯干的切片对应。

如上图，如果你想要在3D扫描或CT扫描中应用卷积网络进行特征识别，也可以从第一张幻灯片（Convolutions in 2D and 1D）里受到启发，并将其应用到3D卷积中。如果你有一个3D对象，比如说是14×14×14，这也是输入CT扫描的宽度与深度（后两个14）。再次提醒，3D对象和CT扫描结果的长宽高也可以是不一致的。为了简化讨论，仅使用14×14×14为例。

如果你现在使用5×5×5过滤器（3D）进行卷积，将得到一个10×10×10的结果输出，技术上来说也可以再×1，如果这有一个1的通道。这仅仅是一个3D模块，但是你的数据可以有不同数目的通道，那种情况下也是乘1，因为通道的数目必须与过滤器匹配。如果你使用16个过滤器处理5×5×5×1，接下来的输出将是10×10×10×16，这将成为你3D数据卷积网络上的一层。

如果下一层卷积使用5×5×5×16维度的过滤器再次卷积，通道数目也与往常一样匹配，如果你有32个过滤器，操作也与之前相同，最终你得到一个6×6×6×32的输出。

总而言之这就是1D、2D及3D数据处理，图像数据无处不在，以至于大多数卷积网络都是基于图像上的2D数据。

说明：记录学习笔记，如果错误欢迎指正！转载请联系我。