计算机视觉中的channel 通道和特征图之间的关系

卷积网络中很重要的两个名词:通道和特征图

最直观的感受:特征图 == 通道

我们知道一张彩色图片由RGB三张图片组成,如图:
计算机视觉中的channel 通道和特征图之间的关系_第1张图片
那么此处的三张图片就对应了三个通道,也可以说是三个特征图,不同的图侧重点不一样。

那么进行卷积的时候如果采用32个5*5卷积,这里的32也就是最后输出的通道,也就是获得的特征图的数量。

1*1卷积看起来对维度没有变化,但实质上是对输入特征图的特征进行了进一步整理。

即使1x1卷积前后的张量大小完全不变,比如说16x16x64 -> 16x16x64这样的卷积,看上去好像是没有变化。但实际上,可能通过特征之间的互动,已经由之前的64个特征图组成了新的64个特征图。
有时候我理解一个这样的1x1卷积操作,就会把它当成是一次对之前特征的整理。

也就是相当于全连接网络。

很有趣的特征图可视化。

参考博客:卷积网络中的通道(Channel)和特征图(写的非常好)

你可能感兴趣的:(笔记,卷积)