1.6卷积神经网络笔记—三维RGB图像卷积

1.三维立体图像（RGB三通道）的卷积运算

6*6*3分别代表RGB图像的 高、宽、通道数；3*3*3分别代表滤波器矩阵 高、宽、通道数。图像和滤波器通道数必须相等（匹配）

将3*3*3滤波器转换成立方体，一共3^3=27个数值，（按照前面章节介绍的卷积运算计算）。分别乘与滤波器对应的RGB图像三个通道的数值，再相加得到4*4输出矩阵的值。

2.3*3*3滤波器作用

检测某一通道的边缘特征：将3*3*3滤波器矩阵的R通道设为垂直边缘检测矩阵，G B通道设为0，即可检测R通道的垂直边缘。（滤波器只关注一个通道是可行的）

不区分通道检查边缘特征：将RGB三个通道都设为垂直边缘检测，可以不区分通道检查垂直边缘情况。

3.如何同时检测到垂直水平或者任意角度的边缘？

将图像矩阵分别与2个检测不同角度边缘的滤波器矩阵卷积，得到2个4*4输出矩阵，输出结果即对应不同边缘检测结果。（将2个4*4矩阵放在一起组成立方体矩阵）

4.总结

nc是通道数（文献中常叫通道数或者深度，通道数较好理解），图像和滤波器矩阵通道数必须相等，为检测多个边缘特征，可以设置多个滤波器，滤波器数量为nc’。（这里不考虑padding和strided情况）

卷积得到矩阵的第三个维度=nc'。