机器学习28:多卷积核处理多通道特征图机制

作为常识，卷积层的输出特征图通道数等于卷积层的卷积核个数，而与卷积层的输入特征图通道数无关，但是如果对多卷积核处理多通道特征图的机制不清楚那么对于这个过程理解的就会不够深入，本文的参考资料为知乎：一文读懂Faster RCNN。

对于多通道图像+多卷积核做卷积，计算方式如下：

如上图所示，假设输入有3个通道的特征图经过含有2个卷积核的卷积层。对于每个卷积核，先将输入的3个通道特征图分别作卷积，再将3个通道的处理结果相加得到卷积输出。所以对于某个卷积层，无论输入图像有多少个通道输出图像通道数总是等于卷积核数量。

当对多通道图像做1x1卷积时，其实就是将输入图像的每个通道乘以卷积系数后加在一起，即相当于把原图像中本来各个独立的通道合并在了一起，因此1x1卷积核可用来做降维处理。