卷积神经网络：怎样提取图像特征

深度学习 · 卷积核、通道与感受野

图像中的相邻像素通常有很强的关联。卷积神经网络利用局部连接与权重共享，在不同位置应用同一组滤波器，提取空间特征。

卷积核与特征图

一个卷积核在输入的局部区域上计算加权和，沿着图像滑动，得到特征图。卷积核的数值由训练学习得到，并不是必须手工设定的边缘检测器。

在普通卷积层中，一个输出通道会综合所有输入通道的信息。例如输入有 3 个颜色通道，使用 16 个输出通道、3 × 3 的卷积核，权重参数数量是：

16 × 3 × 3 × 3 = 432
如果每个输出通道都有偏置，再加 16 个参数。

步幅和填充

• 步幅 stride：卷积核每次移动的距离，增大步幅通常会减小输出尺寸。
• 填充 padding：在输入边界补充值，用来控制边界处理与输出尺寸。
• 通道 channel：同一空间位置上不同的特征表示。

在膨胀率为 1 时，单个空间维度的输出尺寸为：

输出尺寸 = floor((输入尺寸 + 2 × 填充 − 卷积核尺寸) / 步幅) + 1

例如输入宽度为 32，卷积核为 3，填充为 1，步幅为 1，输出宽度仍为 32。

感受野与池化

感受野指某个特征位置能够受到影响的输入区域。叠加卷积层通常会扩大感受野，让后面的层有机会组合更大范围的信息。

池化可以对局部区域取最大值或平均值，降低空间分辨率，但也会丢失细节。需要精确定位的任务，应谨慎安排下采样。

训练图像模型时的检查

确认输入尺寸、通道顺序和归一化方式一致。数据增强也应保持标签语义：水平翻转可能适合某些物体识别任务，却未必适合文字或方向识别。