卷积神经网络中多通道卷积

卷积神经网络中的多通道数据卷积结果的一些思考

输入层有多少个通道，滤波器就要有多少个通道，但是滤波器的数量是任意的，滤波器的数量决定了卷积后 featuremap 的通道数。例如输入的数据是RGB三通道的数据，那么卷积核此时也是一个3D的张量，卷积之后的结果当然也是张量，但卷积过程的最后一步要包括生成 feature，很简单，将 Result 各个通道对应坐标的值相加就生成了 feature，相当于将多维的 Result 压缩成了 2 维的 feature，说白了，三通道的卷积结果会叠加在一起，就变成了了一个2维的矩阵。

所有的文献都以 3x3 或者 5x5 的形式指代滤波器，让我们误以为滤波器只能是 2 维的，其实当输入的数据是三通道的时候，此时滤波器相应的也就是3通道的。那么如何改变特征图的数量呢？
答案是只需要设置看滤波器的数量即可。比如有100个滤波器，那么它在卷积之后就会生成100个特征图，下一层滤波器的通道数要与上层输出的特征图的数量保持一致。