深度学习-三维卷积神经网络（3DCNN）

1. 3DCNN理解
2D卷积仅仅考虑2D图片的空间信息，所以只适用于单张2D图片的视觉理解任务。在处理3D图像或视频时，网络的输入多了一个维度，输入由$(c,height,width)$变为了$(c,depth,height,width)$，其中$c$是通道数，$depth$为输入数据的宽度。因此，对该数据进行处理时，就需要卷积也做出相应的变换，由2D卷积变为3D卷积。
在2D卷积的基础上，3D卷积被提出。3D卷积在结构上较2D卷积多了一个维度，2D卷积的尺寸可以表示为$k_h\times k_w$，而3D卷积的尺寸可以表示为$k_h\times k_w\times k_d$。3D卷积的具体计算公式与2D卷积类似，即每次滑动时与$c$个通道、尺寸大小为$(depth,height,width)$的图像做乘加运算，从而得到输出特征图中的一个值，如图所示。

视频输入的维度：$inpu{t}_C\times inpu{t}_T\times inpu{t}_W\times inpu{t}_H$；
3D卷积核的维度：$inpu{t}_C$ 个并列的维度为 $kerne{l}_T\times kerne{l}_W\times kerne{l}_H$ 的卷积核；
3D卷积核在$T,W,H$三个方向上移动。

参考：
3D CNN