吴恩达深度学习第4课 1.2：边缘探测示例

视频封面

视频元信息

所属课程：吴恩达深度学习专项课程（Deep Learning Specialization）
章节：卷积神经网络（CNN）第一周 1.2 边缘探测示例
语言：中英字幕（原声英文）

内容摘要（TL;DR）

本节以边缘检测为动机，详细演示了卷积运算的完整计算过程。通过一个 6×6 灰度图像与 3×3 垂直边缘检测滤波器进行卷积，得到 4×4 输出矩阵，并解释为何该滤波器能有效检测图像中的垂直边缘。核心要点是：卷积是 CNN 的基本构建块。

一、背景引入：从边缘到物体 [00:01]

在之前的视频中已经提到，神经网络的早期层可能检测边缘，稍后的层检测物体的部分，更后面的层则可能检测完整物体（如人脸）。

本节核心目标：展示如何在图像中检测边缘。

以一张包含建筑物和行人的图片为例：

垂直边缘：建筑物上的垂直线、行人的轮廓线，这些会在垂直边缘检测器的输出中被检测到 [00:41]
水平边缘：例如栏杆处强烈的水平线，也会在相应输出中被检测到 [01:08]

理解：边缘检测是 CNN 理解图像的第一步——先找轮廓，再组合成局部部件，最后形成完整物体。这体现了 CNN 从低级特征到高级特征的层次化特征提取思想。

二、卷积运算的基本设置 [01:26]

2.1 输入图像

给定一个 6×6 灰度图像：

因为是灰度图，所以是 6×6×1 矩阵，而非 6×6×3（RGB 三通道分开存储）[01:26]

2.2 滤波器（Filter / Kernel）

构造一个 3×3 矩阵，在 CNN 术语中称为 filter（滤波器）：

1   1   1
0   0   0
-1  -1  -1

有时研究论文中称其为 kernel（核），本课程统一使用 filter 术语 [02:07]

易错点：符号混淆 数学中星号 * 是卷积的标准符号，但在 Python 中 * 也表示乘法或逐元素乘法。这个星号有双重用途（overload），需要根据上下文区分。[02:31]

三、卷积运算的逐步计算 [03:08]

3.1 输出维度

6×6 矩阵与 3×3 矩阵卷积，输出为 4×4 矩阵（可视为 4×4 图像）。

推导：输出维度 = 输入维度 − 滤波器维度 + 1 = 6 − 3 + 1 = 4

3.2 计算过程详解

第 1 步：计算输出左上角元素

将 3×3 滤波器覆盖到输入图像的左上角 3×3 区域，进行逐元素乘积后求和：

第一列：3×1 + 1×1 + 2×1 = 6
第二列：0×0 + 5×0 + 7×0 = 0
第三列：1×(-1) + 8×(-1) + 2×(-1) = -11
求和：6 + 0 + (-11) = -5 [04:08]

第 2 步：向右滑动一格

滤波器右移一步，覆盖新的 3×3 区域：

0×1 + 5×1 + 7×1 + 1×0 + 2×0 + 2×0 + 2×(-1) + 9×(-1) + 5×(-1) = -4 [05:03]

第 3 步：继续右移

得到 0 [05:10]

第 4 步：右移到最右

2 + 9 + 5 = 16（左列），中间列为 0，右列 (4+1+3)×(-1) = -8
16 - 8 = 8 [05:19]

第 5 步：下移一行

滤波器向下移动一行，重复逐元素乘积求和：

得到 -10 [05:54]

第 6 步：继续滑动

右移一格得 -2，再得 2，再得 3……依次完成所有元素 [06:04]

最终输出（4×4 矩阵）：

-5   -4    0    8
-10  -2    2    3
...  ...  ...  ...
...  ...  ...  -16

右下角的 -16 来自图像右下角的 3×3 区域 [06:20]

3.3 矩阵视角

左侧矩阵 → 可解释为图像
中间矩阵 → 可解释为滤波器
右侧矩阵 → 可解释为另一张图像

思考：图像和滤波器本质上都只是不同维度的矩阵，CNN 的运算全部建立在矩阵运算之上。

四、编程实现中的卷积函数 [07:02]

在实际编程中，大多数语言不会用星号表示卷积，而是有专门的函数：

框架	函数名
课程编程练习	`conv_forward`
TensorFlow	`tf.nn.conv2d`
Keras	`Conv2D`

所有对计算机视觉有良好支持的深度学习框架，都会提供实现卷积运算的函数。[07:44]

五、为什么这能做垂直边缘检测？ [07:53]

5.1 简化示例

构造一个简化的 6×6 图像：

左半部分全部为 10（较亮的像素强度）
右半部分全部为 0（较暗的像素强度）

可视化后：左半亮、右半暗，中间有一条明显的垂直边缘（从白到黑的过渡）[08:31]

5.2 卷积计算验证

用之前的 3×3 滤波器（左亮、中 0、右暗）进行卷积：

输出为 0 的位置（中间区域）：

左列：10 + 10 + 10 = 30
中间列：0 + 0 + 0 = 0
右列：-10 - 10 - 10 = -30
结果：30 + 0 - 30 = 0 [09:05]

输出为 30 的位置（边缘处）：

左列：10 + 10 + 10 = 30
中间列：0 + 0 + 0 = 0
右列：-0 - 0 - 0 = 0
结果：30 + 0 + 0 = 30 [09:29]

5.3 输出图像解读

将输出矩阵可视化为图像：

中间亮区对应检测到的垂直边缘
检测到的边缘看起来"很粗"，这仅仅是因为示例使用了极小的 6×6 图像
如果使用 1000×1000 的图像，边缘检测效果会非常好 [10:08]

5.4 核心直觉

垂直边缘检测的核心直觉： 垂直边缘就是一个 3×3 区域，其左侧是亮像素，右侧是暗像素，中间是什么并不重要。当图像中间区域恰好满足"左亮右暗"的模式时，滤波器就会认为这里存在垂直边缘。[10:38]

理解：滤波器本质上是一个"模式匹配器"——它定义了要找的模式（左亮右暗），卷积运算则是在图像上滑动并量化每个位置与模式的匹配程度。

六、关键要点总结

卷积是 CNN 的基本构建块（fundamental building block）
6×6 图像与 3×3 滤波器卷积 → 4×4 输出
卷积计算 = 滤波器在图像上滑动，每个位置做逐元素乘积求和
特定的滤波器（1,1,1 / 0,0,0 / -1,-1,-1）可实现垂直边缘检测
检测原理：寻找"左亮右暗"的局部模式
实际编程中使用专门的卷积函数，而非星号运算符

七、【拓展】补充背景与注意事项

7.1 其他类型的边缘检测滤波器

水平边缘检测：将垂直滤波器旋转 90°，即
```
1   0  -1
  1   0  -1
  1   0  -1
```
Sobel 滤波器：给中间行/列更大权重，抗噪性更好
Scharr 滤波器：Sobel 的改进版

思考：在 CNN 中，滤波器的数值不是手工设计的，而是通过反向传播学习得到的。这正是深度学习相比传统计算机视觉的优势——不需要人工设计特征。

7.2 容易踩坑的点

符号混淆：数学中的 *（卷积）≠ Python 中的 *（乘法），阅读代码时务必注意

术语不统一：filter = kernel，不同教材/论文叫法不同

维度计算：输出尺寸 = 输入尺寸 − 滤波器尺寸 + 1（无 padding、stride=1 时）

灰度 vs 彩色：灰度图是 6×6×1，彩色图是 6×6×3，通道数不同