2020-7-31 吴恩达DL学习-C4 卷积神经网络-第一周 CNN(1.6 卷积为何有效-卷积立方体/同时使用多个过滤器)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c
2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/
3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai

1.6 卷积为何有效 Convolutions over volumes

你已经知道如何对二维图像做卷积了，现在看看如何执行卷积不仅仅在二维图像上，而是三维立体上。

我们从一个例子开始。

如上图。假如你不仅想检测灰度图像的特征，也想检测RGB彩色图像的特征。彩色图像如果是6×6×3，这里的3指的是三个颜色通道，你可以把它想象成三个6×6图像的堆叠。为了检测图像的边缘或者其他的特征，不是把它跟原来的3×3的过滤器做卷积，而是跟一个三维的过滤器，它的维度是3×3×3，这个过滤器也有三层，对应红绿、蓝三个通道。

给这些图像起个名字，第一个6代表图像高度height，第二个6代表宽度width，这个3代表通道的数目channels。同样你的过滤器也有一个高，宽和通道数，并且图像的通道数必须和过滤器的通道数匹配，所以这两个数（上图中紫色方框标记的两个数）必须相等。

最后的输出会是一个4×4的图像，注意是4×4×1，最后一个数不是3了。

我们研究下这背后的细节。

如上图，首先先换一张好看的图片。左边是6×6×3的图像，中间是3×3×3的过滤器，最后一个数字通道数必须和过滤器中的通道数相匹配。为了简化这个3×3×3过滤器的图像，我们不把它画成3个矩阵的堆叠，而画成一个三维的立方体。

为了计算这个卷积操作的输出，你要做的就是把这个3×3×3的过滤器先放到最左上角的位置，如上图那样，这个3×3×3的过滤器有27个数，27个参数就是3的立方。依次取这27个数，然后乘以相应的红绿蓝通道中的数字。先取红色通道的前9个数字，然后是绿色通道，然后再是蓝色通道，乘以左边黄色立方体覆盖的对应的27个数，然后把这些数都加起来，就得到了输出的第一个数字。

如果要计算下一个输出，你把这个立方体滑动一个单位，再与这27个数相乘，把它们都加起来，就得到了下一个输出，以此类推。

那么，这个能干什么呢？

举个例子，如果你想检测图像红色通道的边缘，那么你可以将第一个过滤器设为$\left[\begin{array}{ccc}1& 0& -1\\ 1& 0& -1\\ 1& 0& -1\end{array}\right]$，和之前一样，而绿色和蓝色通道全为0，$\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& 0\\ 0& 0& 0\end{array}\right]$。如果你把这三个堆叠在一起形成一个3×3×3的过滤器，那么这就是一个检测垂直边界的过滤器，但只对红色通道有用。

或者如果你不关心垂直边界在哪个颜色通道里，那么你可以用一个这样的过滤器，$\left[\begin{array}{ccc}1& 0& -1\\ 1& 0& -1\\ 1& 0& -1\end{array}\right]$，$\left[\begin{array}{ccc}1& 0& -1\\ 1& 0& -1\\ 1& 0& -1\end{array}\right]$，$\left[\begin{array}{ccc}1& 0& -1\\ 1& 0& -1\\ 1& 0& -1\end{array}\right]$，所有三个通道都是这样。通过设置第二个过滤器参数，你就有了一个边界检测器，3×3×3的边界检测器，用来检测任意颜色通道里的边界。参数的选择不同，你就可以得到不同的特征检测器，所有的都是3×3×3的过滤器。

按照计算机视觉的惯例，当你的输入有特定的高宽和通道数时，你的过滤器可以有不同的高，不同的宽，但是必须一样的通道数。理论上，我们的过滤器只关注红色通道，或者只关注绿色或者蓝色通道也是可行的。

再来总结一下，一个6×6×6的输入图像卷积上一个3×3×3的过滤器，得到一个4×4的二维输出。

同时使用多个过滤器

现在你已经了解了如何对立方体卷积，还有最后一个概念，对建立CNN至关重要。就是，如果我们不仅仅想要检测垂直边缘怎么办？如果我们同时检测垂直边缘和水平边缘，还有45°倾斜的边缘，还有70°倾斜的边缘怎么做？换句话说，如果你想同时用多个过滤器怎么办？

观察上图。
step1：让这个6×6×3的图像和黄色3×3×3的过滤器卷积（例如垂直边缘检测器），得到第一个4×4的输出。
step2：然后和橘色3×3×3的过滤器卷积（例如水平边缘检测器），得到第二个不同的4×4的输出。
step3：接着把这两个4×4的输出，取第一个把它放到前面，然后取第二个过滤器输出，放到后面。把这两个输出堆叠在一起，这样你就都得到了一个4×4×2的输出立方体。这里的2来源于我们用了两个不同的过滤器。

我们总结一下维度。

如果你有一个$n$ x $n$ x $n_c$（通道数）的输入图像，在上面例子中就是6×6×3，然后卷积上一个$f$ x $f$ x $n_c$的过滤器，上面例子中是3×3×3，按照惯例，2个$n_c$必须数值相同。然后你就得到了$(n-f+1)$ x $(n-f+1)$ x $n_c$’ ，这里$n_c$’ 其实就是下一层的通道数，它就是你用的过滤器的个数。在我们的例子中，卷积结果就是4×4×2。上例中假设用的步幅为1，并且没有padding。如果你用了不同的步幅或者padding，那么$(n-f+1)$ 这个数值会变化，正如前面的课程演示的那样。

这个对立方体卷积的概念真的很有用，你现在可以用它的一小部分直接在三个通道的RGB图像上进行操作。更重要的是，你可以检测两个特征，比如垂直和水平边缘或者10个或者128个或者几百个不同的特征，并且输出的通道数会等于你要检测的特征数。

对于这里的符号，我一直用通道数（$n_c$）来表示最后一个维度，在文献里大家也把它叫做3维立方体的深度。

这两个术语，即通道或者深度，经常被用在文献中。但我觉得深度容易让人混淆，因为你通常也会说NN的深度。所以，在课程里我会用通道这个术语来表示过滤器的第三个维度的大小。