1、卷积核就相当于数字图像处理中的滤波算子。(什么是卷积)
例如:
输入图像:由三个矩阵构成——RGB三通道,其中每个元素都是0-255之间的一个整数。
卷积核:一个矩阵。
输出图像:一个矩阵构成,在深度学习中称作特征图。对于每个颜色通道都有一个特征图。
假设输入图像为7×7×3(长×宽×通道数),卷积核大小为3×3×3(长×宽×通道数),那我们就要在图像中取出3×3×3大小的区块。具体的卷积过程如下:
(下图中输入图像为RGB三通道图像,两个卷积核(w0和w1))
(原图为动图https://segmentfault.com/q/1010000016667038)
其中,Bias为偏差。
2、卷积层的输入可以是一张或者多张图片,而图片也可以是单通道(例如:灰度图)或者多通道(例如:RGB图像),但不管输入是什么,经过卷积层后,输出的特征图都是单通道的(特征图个数由卷积核的个数确定)。【注】输出的特征图个数与输入图像的个数、输入图像的通道数均无关。