关于卷积的 非常形象的图

图是别的博客转载知乎的，没给地址，我也不知道原作是谁，画的很好，感谢。

但下面第一张图的最上面应该改为：Feature Matric：（） 

卷积的实现思想：

• 将image转为一个matrix，将卷积操作转为矩阵乘法运算

看下第二幅图：输入图片是3*3*3，假设是RGB，卷积核(滤波器)是2*3*2*2，stride=1，（每个、每层(RGB或BGR)的卷积核是不一样的）

• 先看上半部分的传统卷积：第一个滤波器对RGB三通道进行卷积，每个通道的每一小块对应相乘并累加（不是矩阵相乘）。如第一个滤波器的第一次卷积，R通道的 。同理，G、B通道分别得5，2，本次卷积的三通道累加即7+5+2=14。两个滤波器得到两个输出特征。
• 再看下半部分卷积的矩阵版本：         ①input features  ： 先把3*3*3的图片按照卷积核大小逐通道RGB展平，每次卷积放一行。先整体看RGB的第一次滤波，每个通道的卷积核是2*2， 3个通道就是3*2*2=12。再整体看R通道，就是每次被卷积的部分展成一行，共2*2行，即卷积公式得到的(n-f+2p)/s+1，每个通道是2*2=4，也就是2*2x(3*2*2)=4x12的矩阵 。②Kernel Matrix  ：  把每个滤波器从左到右从上到下展开，放于第一列，RGB三通道也就是3*2*2，有两个滤波器，也就是(3*2*2)x2的矩阵