卷积神经网络的通道数与卷积核数的关系。

Question

问题描述

如果对一个三通道的图片进行卷积，卷积核的个数为10个，由于最后输出10个feature map，那么是不是一个卷积核会有三个通道，每个卷积核对三通道的图片卷积然后相加得到一个feature map？

我理解的对吗？

Answer 1

你的理解是对的哦！
参看下图：

1. 上图中总共有二个卷集核，分别是W0和W1,大小都是3x3x3，前面的3x3是卷积核大小，后面的3是输入的feature map的通道，如果在tensorflow的卷积函数中形式是3x3x3x2，前面和上面一样，最后2就是输出的feature map的通道数，也是卷积核的数量。
2. 以w0为例，蓝色框中三个通道各个位置的数值A=[[0,0,0,0,0,1,0,0,1],[0,0,0,0,1,1,0,0,2],[0,0,0,0,2,0,0,0,0]}乘以粉色框（卷积核）的各个通道各个位置的数值W0=[[1,1,-1,-1,0,1,-1,-1,0],[-1,0,-1,0,0,-1,1,-1,0],[0,1,0,1,0,1,0,-1,1]]，最后在加上偏置b=1,就会得到绿色框中的数值。AW0+b=output0
3. 欢迎访问：hometown.group很多个人的知识总结，如果前面网址不能访问，可能换成learncv.cn了，准备换域名。