Keras 卷积层对颜色通道有什么作用？答案

【问题标题】：What do Keras convolution layers do with color channels?Keras 卷积层对颜色通道有什么作用？
【发布时间】：2016-09-03 04:56:30
【问题描述】：

Bellow 是 Keras 文档中的一段示例代码。看起来第一个卷积接受具有 3 个颜色通道的 256x256 图像。它有 64 个输出过滤器（我认为这些与我在其他地方读到的特征图相同，有人可以帮我确认一下）。让我困惑的是输出大小是（无，64，256，256）。我希望它是 (None, 64 * 3, 256, 256) 因为它需要对每个颜色通道进行卷积。我想知道的是 Keras 如何处理颜色通道。在通过卷积之前，这些值是否会一起平均（转换为灰度）？

   # apply a 3x3 convolution with 64 output filters on a 256x256 image:
model = Sequential()
model.add(Convolution2D(64, 3, 3, border_mode='same', input_shape=(3, 256, 256)))
# now model.output_shape == (None, 64, 256, 256)

# add a 3x3 convolution on top, with 32 output filters:
model.add(Convolution2D(32, 3, 3, border_mode='same'))
# now model.output_shape == (None, 32, 256, 256)

【问题讨论】：

标签： python image neural-network theano keras

【解决方案1】：

一个大小为 3*3 的滤波器有 3 个输入通道，由 3*3*3 个参数组成，因此每个通道的卷积核的权重是不同的。

它总结了每个通道的卷积结果（可能连同一个偏置项）得到输出。因此输出形状与输入通道的数量无关，例如，(None, 64, 256, 256) 而不是 (None, 64 * 3, 256, 256)。

我不是 100% 确定，但我认为特征图是指将一个此类过滤器应用于输入的输出（例如 256*256 矩阵）。

【讨论】：