理解3D卷积

概述

a)和b)分别为2D卷积用于单通道图像和多通道图像的情况（多通道图像可以指同一张图片的3个颜色通道，也可以指多张堆叠在一起的图片）。对于每一个滤波器（卷积核），输出一张二维的特征图，多通道的信息被完全压缩了。输出的通道数由滤波器个数决定，有几个滤波器，输出就有几个通道。
而c)中3D卷积的输出仍然为3D的特征图。

现在考虑一个视频段输入，其大小为 c∗l∗h∗w ，其中c为图像通道(一般为3)，l为视频序列的长度，h和w分别为视频的宽与高。进行一次kernel_size为3∗3∗3，stride为1，padding=‘same’，n_filters=K的3D 卷积后，输出的大小为K∗l∗h∗w。池化同理。

卷积核的维度

卷积核的维度指的的进行滑窗操作的维度，而滑窗操作不在channel维度上进行，不管有几个channel，它们都共享同一个滑窗位置（虽然2D多channel卷积的时候每个channel上的卷积核权重是独立的，但滑窗位置是共享的）。所以在讨论卷积核维度的时候，是不把channel维加进去的。

2D conv的卷积核就是(c, k_h, k_w)，因此，对于RGB图像做2D卷积，卷积核可以是conv2D(3,3) 而不该是conv3D(3,3,3).
3D conv的卷积核就是(c, k_d, k_h, k