ubuntu之路——day17.2 RGB图像的卷积、多个filter的输出、单个卷积层的标记方法

和单层图像的卷积相似，只须要对每个filter构成的三层立方体上的每个数字与原图像对应位置的数字相乘相加求和便可。

在这个时候能够分别设置filter的R、G、B三层，能够同时检测纵向或横向边缘，也能够只检测某一通道的，只须要对其余通道的filter置为0便可。

那么若是要使用filter同时对纵向、横向或者其余角度的边缘进行检测该怎么办呢？

Multiple filter：

对于同时采用多个filter来检测不一样特征的时候，只须要将多个filter的结果堆叠起来输出便可，如上图所示。

神经网络中的卷积层：

将等待卷积的原始图片的RGB矩阵看作X也就是a^[0],通过不一样filter的卷积操做后，获得的新矩阵加上偏移量bias再通过激活后就获得了a^[1]

 单个卷积层的标记方法：