13.1 卷积操作原理 - AI应用开发

🎯 学习目标

理解卷积操作的数学原理
掌握卷积核（滤波器）的作用机制
理解步长、填充对输出的影响
了解多通道卷积的实现方式

什么是卷积

卷积（Convolution）是一种数学运算，在图像处理中，卷积操作通过一个小的矩阵（卷积核/滤波器）在图像上滑动，对每个位置进行元素乘积求和，从而提取图像的局部特征。卷积神经网络正是利用这一操作实现自动特征学习。

🔧 卷积操作过程

输入与卷积核

输入图像 (5x5):
[1  2  3  4  5]
[2  3  4  5  6]
[3  4  5  6  7]
[4  5  6  7  8]
[5  6  7  8  9]

卷积核 (3x3):
[1  0  1]
[0  1  0]
[1  0  1]
          

卷积计算

卷积过程:
1*1 + 2*0 + 3*1 +
2*0 + 3*1 + 4*0 +
3*1 + 4*0 + 5*1 = 1+3+3+5+3+5 = 15

输出特征图 (3x3):
[15  21  27]
[21  27  33]
[27  33  39]
          

📊 输出尺寸计算

# 输出尺寸公式
output_size = (input_size - kernel_size + 2*padding) / stride + 1

# 示例计算
输入: 224x224, 卷积核: 3x3, 步长: 1, 填充: 0
输出 = (224 - 3 + 0) / 1 + 1 = 222

输入: 224x224, 卷积核: 3x3, 步长: 1, 填充: 1
输出 = (224 - 3 + 2) / 1 + 1 = 224 (尺寸不变)

输入: 224x224, 卷积核: 3x3, 步长: 2, 填充: 1
输出 = (224 - 3 + 2) / 2 + 1 = 112 (尺寸减半)
      

⚙️ 卷积参数详解

参数	说明	常见取值	影响
kernel_size	卷积核大小	1x1, 3x3, 5x5, 7x7	感受野大小
stride	滑动步长	1, 2	输出尺寸、计算量
padding	边缘填充	0, 1, 'same'	输出尺寸
dilation	空洞卷积率	1, 2, 4	感受野（不增加参数）
groups	分组卷积	1, in_channels	参数量、计算量

💻 PyTorch卷积层实现

import torch
import torch.nn as nn

# 基本卷积层
conv = nn.Conv2d(
    in_channels=3,      # 输入通道数（RGB图像）
    out_channels=64,     # 输出通道数（特征图数量）
    kernel_size=3,      # 卷积核大小
    stride=1,           # 步长
    padding=1,          # 填充（保持尺寸）
    bias=True           # 是否使用偏置
)

# 输入: (batch_size, channels, height, width)
x = torch.randn(1, 3, 224, 224)
out = conv(x)
print(out.shape)  # torch.Size([1, 64, 224, 224])

# 步长为2的卷积（下采样）
conv_stride2 = nn.Conv2d(3, 64, kernel_size=3, stride=2, padding=1)
out = conv_stride2(x)
print(out.shape)  # torch.Size([1, 64, 112, 112])

# 1x1卷积（通道变换）
conv_1x1 = nn.Conv2d(64, 128, kernel_size=1)
      

🎨 多通道卷积

🖼️

RGB图像

3通道输入
每个滤波器3层深度

🔢

64个滤波器

产生64个特征图
输出64通道

📊

参数计算

3×3×3×64 + 64
= 1792个参数

🔍 常见卷积类型

# 深度可分离卷积（MobileNet）
depthwise = nn.Conv2d(64, 64, kernel_size=3, padding=1, groups=64)
pointwise = nn.Conv2d(64, 128, kernel_size=1)

# 空洞卷积（扩大感受野）
dilated = nn.Conv2d(64, 64, kernel_size=3, padding=2, dilation=2)

# 转置卷积（上采样）
transpose = nn.ConvTranspose2d(64, 32, kernel_size=4, stride=2, padding=1)

# 分组卷积（ResNeXt）
grouped = nn.Conv2d(64, 128, kernel_size=3, padding=1, groups=32)
      

💡

关键理解

卷积核的数量决定了输出特征图的通道数，每个卷积核学习一种特征模式（如边缘、纹理等）。更大的卷积核提供更大的感受野，但3x3卷积堆叠可以在减少参数的同时获得相同感受野。

图：卷积操作从图像中提取层次化特征

📝 本节小结

✅

• 卷积通过滑动窗口进行特征提取
• 输出尺寸由输入尺寸、卷积核大小、步长、填充共同决定
• 多通道卷积：输入通道数×输出通道数个独立的滤波器
• 3x3是最常用的卷积核大小，参数效率高
• padding='same'可保持输出尺寸与输入相同