在每个卷积层,数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起,其中每一个称为一个feature map。在输入层,如果是灰度图片,那就只有一个feature map;如果是彩色图片,一般就是3个feature map(红绿蓝)。层与层之间会有若干个卷积核(kernel),上一层和每个feature map跟每个卷积核做卷积,都会产生下一层的一个feature map。
在CNN的设定里,Feature Map是卷积核卷出来的,你用各种情况下的卷积核去乘以原图,会得到各种各样的feature map。
个人理解:从多角度去分析图片,不同的特征提取(核)会提取到不同的feature,模型为了达到最优解的目的,来找到能解释现象的最佳的一组卷积核。主要是和卷积核(kernel)区分开,kernel是要算的那个w权重矩阵,而feature map 是输入或者输出。