和卷积的区别_二维卷积与三维卷积有什么区别

问题引入

卷积神经网络的二维卷积和三维卷积是在CNN中常用的操作，那么这两个类型的操作有什么区别呢？

问题解答

• 二维卷积 二维卷积操作如图5.3所示，为了更直观的说明，分别展示在单通道和多通道输入中，对单个通道输出的卷积操作。在单通道输入的情况下，若输入卷积核尺寸为
  ，卷积核在输入图像的空间维度上进行滑窗操作，每次滑窗和
  窗口内的值进行卷积操作，得到输出图像中的一个值。在多通道输入的情况下，假定输入图像特征通道数为3，卷积核尺寸则为
  ，每次滑窗与3个通道上的
  窗口内的所有值进行卷积操作，得到输出图像中的一个值。

• 三维卷积 3D卷积操作如图所示，同样分为单通道和多通道，且假定只使用1个卷积核，即输出图像仅有一个通道。对于单通道输入，与2D卷积不同之处在于，输入图像多了一个深度(depth)维度，卷积核也多了一个
  维度，因此3D卷积核的尺寸为
  ，每次滑窗与
  窗口内的值进行相关操作，得到输出3D图像中的一个值。对于多通道输入，则与2D卷积的操作一样，每次滑窗与3个channels上的
  窗口内的所有值进行相关操作，得到输出3D图像中的一个值。

欢迎关注我的公众号，第一时间追踪相关面试题和总结：百面机器学习。回复干货获取相关资料和面试题总结(定期更新)。