星月夜语

直观理解卷积#

卷积本质上就是”加权求和”——用一个小的窗口（卷积核）在输入上滑动，每个位置都做一次对应元素相乘再求和。

通俗点说：你不是在单独看每个像素，而是在看它和周围邻居的”关系”。

数学定义#

图像处理中的应用#

不同的卷积核提取不同的特征，下面是几个常见的：

一个简单的边缘检测核（Sobel 水平方向）：

1
-1  0  1
2
-2  0  2
3
-1  0  1

这个核能检测到图像中水平方向上的亮度变化。

在 CNN 中的角色#

传统图像处理中，卷积核的值是人为设定的（比如上面那个 Sobel 核）。而在深度学习的卷积神经网络（CNN）里，卷积核的值是通过反向传播自动学习出来的，网络自己决定要提取什么样的特征。

几个关键点：

• 局部连接：每个神经元只看输入的一个局部区域（感受野），不像全连接层那样看全局，参数少了很多
• 权值共享：同一个卷积核在整个输入图上滑动，参数是共享的，进一步减少参数量
• 层次化特征：浅层卷积核学到的往往是边缘、纹理之类的低级特征，深层卷积核学到的是更抽象的高级特征（如人脸、物体部件）

代码示例#

用 PyTorch 实现一个简单的卷积操作：

1
import torch
2
import torch.nn.functional as F
3

4
# 模拟一张单通道 5x5 图像
5
image = torch.randn(1, 1, 5, 5)
6

7
# 定义一个 3x3 的卷积核（边缘检测）
8
kernel = torch.tensor([[[[-1, 0, 1],
9
                          [-2, 0, 2],
10
                          [-1, 0, 1]]]], dtype=torch.float32)
11

12
# 做卷积，padding=1 保持输出尺寸不变
13
output = F.conv2d(image, kernel, padding=1)
14
print(output.shape)  # torch.Size([1, 1, 5, 5])

小结#

卷积这个操作从传统的信号处理一路用到深度学习，核心思想没变——用一个局部窗口提取模式。区别只在于：传统方法里核是写死的，CNN 里核是学出来的。理解卷积的滑动窗口机制，对理解 CNN 的整体结构帮助很大。