一维卷积、二维卷积、三维卷积具体应用

频道：生活应用日期：2025-10-26 08:03:27 浏览：16

鉴于计算机视觉处于备受瞩目的态势，二维卷积运用的范畴最为广泛，所以本文要率先对二维卷积予以介绍，随后才会去介绍一维卷积具体的流程，还要介绍三维卷积具体的流程，并且还需将其一一的具体应用进行描述。

1. 二维卷积

图中，输入的数据，其维度是14×14，过滤器，它的大小为5×5，两者进行卷积之后，输出的数据开yun体育官网入口登录app，其所拥有的维度为10×10，而14−5 + 1的确等于10 。

阐述的那些内容未引出channel的概念，虽说也能够讲channel的数量是1 。要是把二维卷积里输入的channel数量变成3 ，也就是输入的数据维度成为（14 × 14 × 3）。鉴于卷积操作期间过滤器的channel数量得和输入数据的channel数量一样，过滤器大小也变成5 × 5 × 3 。在进行卷积时，过滤器会与数据于channel方向各自进行卷积，之后把卷积后的数进行相加，也就是去执行10乘以10次3个数字相加的动作，最终输出的数据维度是10乘以10 。

以上讨论，皆是在过滤器数量为1的情形下开展的。要是把过滤器数量增至16，也就是16个尺寸为10×10×3的过滤器，那么最终输出的数据维度会变成10×13×16。这能够理解成分别对每个过滤器执行卷积操作，最后在第三个维度，也就是channel维度上，把每个卷积的输出予以拼接。

• 二维卷积常用于计算机视觉、图像处理领域。

2. 一维卷积

图中的输入的数据，其维度是8，过滤器的维度为5，与二维卷积存在类似情况，经过卷积，输出的数据维度为，8减5再加1，同时也是48减5再加1，经计算，卷积后输出的数据维度为4。

若过滤器数量依旧是1，输入数据的channel数量转变为16，也就是输入数据维度是8×16，这里channel这一概念等同于自然语言处理里的embedding，此输入数据代表8个单词，当中每个单词的词向量维度大小是16，在这种情形下，过滤器的维度从5变为5×16，最终输出的数据维度还是4。

要知道，要是过滤器数量呈现为 n 这种情况，那么输出的数据维度就会转变成为 4 与 n 相乘的结果。

• 一维卷积常用于序列模型，自然语言处理领域。

3. 三维卷积

这里运用代数的办法来对三维卷积予以介绍，其具体的思想跟一维卷积是一样的开元ky888棋牌官网版，和二维卷积也是相同的。

数据大小存在如此情况，乃是处于 a1 乘以 a2 乘以 a3 的状态，其 channel 数量是 c，过滤器的大小这样呈现的。

一种存在物，它被称作 f，其过滤器维度呈现为 f × f × f × c 这种情况，这里所讲的 c 也就是 channel 的维度，通常来讲是不将其写出来的，并且过滤器数量是标记为 n 的数目。

• 基于上述情况，三维卷积最终输出是 ( a1 − f + 1 ) × ( a2 − f + 1 ) × ( a3 − f + 1 ) × n开yun体育app入口登录，此公式对一维卷积、二维卷积仍旧有效，只要去掉不相干的输入数据维度即可。