機器學習28:多卷積核處理多通道特徵圖機制
作爲常識，卷積層的輸出特徵圖通道數等於卷積層的卷積核個數，而與卷積層的輸入特徵圖通道數無關，但是如果對多卷積核處理多通道特徵圖的機制不清楚那麼對於這個過程理解的就會不夠深入，本文的參考資料爲知乎：一文讀懂Faster RCNN。
對於多通道圖像+多卷積核做卷積，計算方式如下：
如上圖所示，假設輸入有3個通道的特徵圖經過含有2個卷積核的卷積層。對於每個卷積核，先將輸入的3個通道特徵圖分別作卷積，再將3個通道的處理結果相加得到卷積輸出。所以對於某個卷積層，無論輸入圖像有多少個通道輸出圖像通道數總是等於卷積核數量。
當對多通道圖像做1x1卷積時，其實就是將輸入圖像的每個通道乘以卷積係數後加在一起，即相當於把原圖像中本來各個獨立的通道合併在了一起，因此1x1卷積核可用來做降維處理。