卷积核（kernels）与滤波器（filters）的关系「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。

简单理解： 卷积核：二维的矩阵 滤波器：多个卷积核组成的三维矩阵，多出的一维是通道。

先介绍一些术语：layers（层）、channels（通道）、feature maps（特征图），filters（滤波器），kernels（卷积核）。 从层次结构的角度来看，层和滤波器的概念处于同一水平，而通道和卷积核在下一级结构中。通道和特征图是同一个事情。一层可以有多个通道（或者说特征图）。如果输入的是一个RGB图像，那么就会有3个通道。“channel”通常被用来描述“layer”的结构。相似的，“kernel”是被用来描述“filter”的结构。

在这里插入图片描述

filter和kernel之间的不同很微妙。很多时候，它们可以互换，所以这可能造成我们的混淆。

那它们之间的不同在于哪里呢？

一个“Kernel”更倾向于是2D的权重矩阵。而“filter”则是指多个Kernel堆叠的3D结构。如果是一个2D的filter，那么两者就是一样的。但是一个3Dfilter，在大多数深度学习的卷积中，它是包含kernel的。每个卷积核都是独一无二的，主要在于强调输入通道的不同方面。

参考：深度学习中的各种卷积

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/143358.html原文链接：https://javaforall.cn