深度学习笔记（3）——kernel（内核）与filter（滤波器）

深度学习笔记（3）——kernel（内核）与filter（滤波器）

---

前言

神经网络中的filter （滤波器）与kernel（内核）的概念

一、kernel内核概念

内核是一个2维矩阵，长 × 宽；通常用2D于卷积运算。如图所示是一个3*3的kernel，如下图所示。

二、filter滤波器概念

滤波器是一个三维的立方体，是用来提取图像的特定的特征单元，filter可以提取低维特征和高维特征。低维特征例如横线、斜线等等，高维特征例如耳朵，鼻子等等。filter在kernel的基础上添加了深度，即多个kernel组成一个fliter。 如下图所示，是一个kernel个数为3的filter。

三、两者关系

kernel 是filter 的基本元素， 多张kernel 组成一个filter;

1. 一个filter 中kernel 个数的选择

kenel num = input channel num

由输入的通道个数所确定， 即，输入通道是3个特征时，则后续的每一个filter中包含3张kernel ;

filter输入通道是包含128个特征时， 则一个filter中所包含kernel 数是128张。

2. filter 个数的确定方法

feature num = filter num
我们想要提取多少个特征，即我们想要输出多少个特征，那么这一层就设置多少个filter；

一个filter 负责提取某一种特征，N个filter 提取 N 个 特征；

总结

以上就是今天要讲的内容，本文仅仅简单介绍了kernel和filter的概念，介绍了确定filter和kernel个数的方法。