1. 卷积运算的本质与数学基础
卷积运算作为CNN的核心操作,本质上是一种特殊的数学积分变换。在离散情况下,卷积运算可以表示为两个函数f和g的加权求和过程。具体到图像处理领域,f通常代表输入图像矩阵,g则是卷积核(kernel)或滤波器(filter)。
数学表达式为:
code复制(f * g)(i, j) = Σ_m Σ_n f(m, n) * g(i-m, j-n)
这个公式描述了卷积核在输入图像上滑动计算的过程。在实际编程实现中,我们更常使用互相关(cross-correlation)运算,其表达式为:
code复制(f * g)(i, j) = Σ_m Σ_n f(i+m, j+n) * g(m, n)
两者区别仅在于卷积核是否翻转180度。由于在深度学习中卷积核参数是通过训练得到的,因此这两种形式在效果上是等价的。
注意:虽然数学上严格区分卷积和互相关,但在深度学习领域通常将两者混用,这是行业惯例。
1.1 卷积核的物理意义
卷积核可以理解为一种特征检测器。以3×3的Sobel边缘检测核为例:
code复制[-1 0 1]
[-2 0 2]
[-1 0 1]
这个核会对水平方向的灰度变化敏感,当它滑动到图像边缘区域时,计算结果会产生较大响应。同理,垂直方向的Sobel核则检测垂直边缘。
在CNN中,这些卷积核不是人工设计的,而是通过反向传播自动学习得到的。一个训练好的CNN可能包含数百个这样的卷积核,每个都专门检测某种特定的局部特征。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 卷积运算的工程实现细节
2.1 边界处理策略
在实际应用中,我们需要特别处理图像边界处的卷积运算。常见的处理方式有三种:
-
有效卷积(Valid):只在卷积核完全覆盖输入图像的区域进行计算。这会导致输出尺寸小于输入尺寸,计算公式为:
code复制输出高度 = (输入高度 - 核高度 + 1) / 步长 -
相同卷积(Same):通过填充使输出尺寸与输入尺寸相同。填充量计算公式为:
code复制填充量 = floor((核尺寸 - 1)/2)例如3×3核需要填充1圈0,5×5核需要填充2圈0。
-
全卷积(Full):允许卷积核部分超出图像边界,通常用于转置卷积等特殊场
