二维卷积与三维卷积有什么区别 - 知乎

10/18 09:49
阅读数 35

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 (k_h, k_w, 1)​,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 (k_h, k_w)​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(k_h, k_w, 3)​,每次滑窗与3个通道上的(k_h, k_w)​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k_d​维度,因此3D卷积核的尺寸为(k_h, k_w, k_d)​,每次滑窗与(k_h, k_w, k_d)​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(k_h, k_w, k_d)​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)。



展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部