为什么RGB图不使用3D卷积？

首先说明
2D和3D不是指的卷积核的维度，而是输出的维度
其实从输出维度遵从直觉，必然是输出的维度意味着做卷积运算的维度，意味着更"重要"

原理上说
2D是在RGB的三个通道上(其实不必被这个限制住，如果这里的输入的深度维度不是3，是5，10甚至更多)，做点乘然后相加，类似于全连接，而不在第三个维度做类似于前两个维度的卷积运算。

之所以RGB图像不用3D卷积（不是不能用），也就是说不用在三个通道上做卷积，输出的维度不用三位，我认为刨除计算消耗，RGB三个通道红、绿、蓝没有相关性，横跨三个独立的东西去提却特征没意义，所以对rgb图来说，在深度维度上做卷积没有多大意义

所以是否使用2D 还是 3D，即要不要输出为2维或者3维的特征向量，要看你觉得是否有必要在输入数据的第三维度上做卷积，即第三位特征是否有必要提取。

现在看网上的图

图1：Input -> filter -> 2D output
RGB图为什么这样用，原因上面已经解释

图2：Input -> filter -> 3D output
对于视频类输入数据，用每一帧组成第三维度，此时用3D就可以捕获到第三维的特征，即时间特征，结合前两维的空间特征，得到时空特征。