卷積神經網路如何應用在彩色圖像上？

01-05

本人初學神經網路，發現絕大多數卷積神經網路都是應用在灰度圖像上的，如何將它應用在彩色圖像上呢？

題主的印象中卷積的計算過程是不是如下圖？

而實際上，這只是一種你說的channel等於1的灰度圖輸入的情況

一般情況下的計算過程是這樣的：

左列的X是輸入的圖像（此處channel是3，也可理解為RGB即你說的彩色圖像），中間紅色的兩列是我們的kernel（即3*3的filter），共兩個（即輸出的feature通道為2）。最後一列為卷積之後的特徵（由於2個kernel，輸出通道為2）。

那麼，由上面的過程可以看出，輸入是3維（hight*width*channel）的，kernel實際也是三維的。卷積網路的特徵變化可以用下圖表示：

題主說的灰度圖，只是在輸入的時候channel等於1的情況而已，中間也會被N個kernel擴展為N個channel。圖片2.3來源於斯坦福大學神經網路課程

分通道單獨處理

每一個通道當做一個feature map。。見：深度學習筆記1(卷積神經網路)

分通道單獨處理感覺沒有很好地利用彩色圖像的顏色特徵，只是把圖像能用到的東西用到而已，在一定程度上會比灰度圖像所表達的特徵要好

分開處理不是跟灰度圖一樣的