吴恩达深度学习第4课 1.6：三维卷积

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）—— 卷积神经网络（CNN）第一周
本集标题：三维卷积（Convolutions Over Volumes）
视频时长：约 10 分 41 秒
核心主题：从二维灰度图像卷积扩展到三维多通道（RGB）卷积，以及多滤波器同时使用的机制与维度推导

内容摘要（TL;DR）

本视频讲解三维卷积的核心原理：当输入从 6×6 灰度图扩展到 6×6×3 的 RGB 图像时，滤波器也需变为 3×3×3，通道数必须匹配。通过 27 次逐元素相乘求和得到输出，最终输出为 4×4。进一步引入多滤波器机制，用两个滤波器同时检测垂直和水平边缘，输出堆叠为 4×4×2 体积。最后给出通用维度公式：输入 N×N×Nc 与 F×F×Nc 滤波器卷积，输出为 (N-F+1)×(N-F+1)×Nc'。

一、从二维到三维：RGB 图像卷积的动机 [00:01]

1.1 为什么需要三维卷积

前面课程处理的都是灰度图像（二维），但真实世界的图像大多是彩色的。彩色图像具有 RGB 三个颜色通道，因此数据结构从二维矩阵变成了三维体积（volume）。

灰度图像：6×6，仅一个通道
RGB 图像：6×6×3，三个通道分别对应红（Red）、绿（Green）、蓝（Blue）

可以把这个 6×6×3 的图像想象成 3 张 6×6 的图片堆叠在一起，每一层代表一个颜色通道的强度值。

1.2 滤波器也要升维

之前检测边缘用的是 3×3 的二维滤波器
现在需要 3×3×3 的三维滤波器，其第三个维度同样对应 RGB 三个通道

考点：通道数必须匹配

图像的通道数（3）必须等于滤波器的通道数（3）
即：图像的 Nc = 滤波器的 Nc

理解：这就像是用一把"三色钥匙"去开"三色锁"，每个颜色通道都要有对应的权重才能正确提取特征。

1.3 输出维度的变化

输入：6×6×3
滤波器：3×3×3
输出：4×4（注意：不再是 4×4×3，而是 4×4×1）

易错点：三维卷积的输出通道数不再是输入的通道数，而是由滤波器的个数决定。单个滤波器卷积后输出仍是单通道（4×4），这一点非常关键，直接影响后续对多滤波器输出的理解。

二、三维卷积的具体计算过程 [01:54]

2.1 计算步骤详解

以 6×6×3 图像与 3×3×3 滤波器为例：

将 3×3×3 滤波器放到图像左上角位置
滤波器共有 27 个参数（3×3×3 = 27）
将这 27 个参数与图像中对应位置的 27 个像素值逐元素相乘
将 27 个乘积求和，得到输出的第一个数值
将滤波器向右滑动 1 格，重复上述操作，得到第二个输出
继续滑动直到覆盖整行，然后下移一行，重复整个过程
最终得到 4×4 的输出

推导：输出尺寸 = (6 - 3 + 1) × (6 - 3 + 1) = 4 × 4，与二维卷积公式一致，因为通道维度在计算中被"压缩"了。

2.2 用立方体简化表示

为简化绘图，吴恩达老师将 3×3×3 滤波器画成一个三维立方体，而不是画成 3 层矩阵堆叠。这种可视化方式在后续讲解中会反复使用。

计算时，滤波器这个"立方体"在图像这个"大立方体"上滑动，每次覆盖 27 个数字，做 27 次乘法和 1 次求和。

三、三维滤波器的实际应用：检测特定颜色的边缘 [04:06]

3.1 只检测红色通道的垂直边缘

如果只想检测红色通道中的垂直边缘，可以这样设置滤波器：

红色通道：设置为垂直边缘检测器（如 1,1,1 / 0,0,0 / -1,-1,-1）
绿色通道：全部设为 0
蓝色通道：全部设为 0

理解：绿色和蓝色通道的权重为 0，意味着它们对输出没有任何贡献，相当于"屏蔽"了这两个通道。

3.2 检测任意颜色的垂直边缘

如果不在乎边缘是什么颜色，希望检测所有通道的垂直边缘：

红色通道：垂直边缘检测器
绿色通道：垂直边缘检测器
蓝色通道：垂直边缘检测器

即三个通道使用相同的边缘检测参数。

3.3 不同参数带来不同特征检测器

通过调整这 27 个参数的不同取值，可以得到各种不同的特征检测器：

垂直边缘检测器
水平边缘检测器
其他任意方向或任意颜色组合的特征检测器

考点：计算机视觉的约定

输入：高度 × 宽度 × 通道数
滤波器：高度 × 宽度 × 相同的通道数
滤波器的通道数必须与输入的通道数一致

四、多滤波器同时使用：卷积神经网络的关键 [06:05]

4.1 为什么需要多个滤波器

实际应用中，我们往往需要同时检测多种特征：

垂直边缘
水平边缘
45 度边缘
70 度边缘
以及其他各种特征

核心问题：如何同时使用多个滤波器？

4.2 双滤波器工作流程

以两个滤波器为例：

第一个滤波器（3×3×3）：检测垂直边缘
- 与 6×6×3 输入卷积 → 输出 4×4×1
第二个滤波器（3×3×3）：检测水平边缘
- 与 6×6×3 输入卷积 → 输出另一个 4×4×1
堆叠两个输出：
- 将第一个 4×4 放在前面
- 将第二个 4×4 放在后面
- 最终得到 4×4×2 的输出体积

理解：这里的"2"代表使用了 2 个不同的滤波器，即检测了 2 种不同的特征。每个滤波器产生一个通道的输出，多个滤波器就产生多个通道。

4.3 输出体积的直观理解

输入：6×6×3 的图像
滤波器：2 个 3×3×3 的滤波器
输出：4×4×2 的体积

易错点：很多人会误以为输出通道数等于输入通道数（3），但实际上输出通道数等于滤波器的个数。这是理解 CNN 层级结构的关键。

五、通用维度公式总结 [08:06]

5.1 标准公式

假设：

输入图像：N × N × Nc（Nc 为通道数）
滤波器：F × F × Nc（通道数必须相同）
使用 Nc' 个滤波器（即下一层的通道数）

则输出为：

（N - F + 1）×（N - F + 1）× Nc'

5.2 案例验证

参数	值
输入	6 × 6 × 3
滤波器	3 × 3 × 3
滤波器个数	2
输出	(6-3+1) × (6-3+1) × 2 = 4 × 4 × 2

5.3 关于步长和填充

上述公式假设：

步长（stride）= 1
无填充（no padding）

如果使用不同的步长或填充，则 N - F + 1 部分会按照前面课程讲过的方式相应调整。

推导：带步长 s 和填充 p 的通用公式为：输出尺寸 = ⌊(N + 2p - F) / s⌋ + 1。

六、三维卷积的强大之处 [09:26]

6.1 直接处理 RGB 图像

可以直接在 3 通道的 RGB 图像上操作，无需手动转换

6.2 检测任意数量的特征（更重要）

可以检测 2 个特征（如垂直和水平边缘）
可以检测 10 个特征
可以检测 128 个特征
甚至可以检测数百个不同的特征

输出通道数 = 检测的特征数量

思考：这正是 CNN 强大的原因——每一层都可以学习检测多种不同的特征，随着层数加深，特征从简单边缘逐渐组合成复杂纹理和物体部件。

6.3 术语说明：通道 vs 深度

文献中常把三维体积的最后一个维度称为 "深度"（depth）
吴恩达老师选择使用 "通道"（channels） 这一术语

原因：

"深度"容易与神经网络的"深度"（层数）混淆
"通道"更准确地描述了这个维度的含义

注意：在阅读其他文献或论文时，看到 "depth" 可能指的是通道数（如 "depth of the volume"），也可能指的是网络层数，需要结合上下文判断。

七、本集总结与下集预告 [10:31]

7.1 核心知识点回顾

RGB 图像是三维体积（6×6×3），滤波器也需是三维（3×3×3）
图像通道数必须等于滤波器通道数
单个滤波器卷积输出为二维（4×4），通道被压缩
多个滤波器产生多个输出通道，堆叠成三维体积（4×4×2）
通用公式：N×N×Nc 与 F×F×Nc 卷积，用 Nc' 个滤波器 → (N-F+1)×(N-F+1)×Nc'

7.2 下集预告

现在你已经掌握了在体积上进行卷积的方法，接下来就可以实现卷积神经网络的一层了。下一视频将讲解如何构建一个完整的卷积层。

关键标签 / 关键词

三维卷积 Convolutions Over Volumes RGB图像 多通道卷积 滤波器 Filter 通道数 Channels 深度 Depth 特征检测器 边缘检测 垂直边缘 水平边缘 多滤波器 输出体积 维度公式 吴恩达 深度学习 CNN 卷积神经网络 计算机视觉 Nc Stride Padding