卷积核看到了什么

实验目的

理解卷积运算的过程，知道卷积核能够提取图像的局部特征。

实验原理

卷积核是一个由数字组成的小矩阵。它在图像上按步长滑动，每到一个位置，就把核与对应区域的像素值逐项相乘再求和，得到输出特征图中的一个值。核中数值不同，提取的特征也不同，如边缘、轮廓或模糊效果。卷积神经网络在训练中会自动学习合适的卷积核数值。

实验器材

• 输入图像（像素矩阵）
• 卷积核（小矩阵）
• 滑动窗口
• 输出特征图
• 不同数值的卷积核

实验步骤

1. 观察输入图像及其对应的像素数值。
2. 查看卷积核的数值，了解其大小。
3. 观察卷积核在图像上滑动，对应区域逐项相乘再求和。
4. 对照输出的特征图，看哪些位置数值较大。
5. 更换或修改卷积核数值，比较特征图的不同。

实验现象与结论

不同的卷积核会让特征图呈现不同效果：用于提取边缘的核，在亮度变化明显处响应较强，平坦区域则接近0。改变核的数值，特征图随之改变。结论：卷积核相当于一种局部特征探测器，网络通过多个卷积核获得丰富的图像特征。

常见问题

卷积核里的数字是怎么来的？

可以人为设定，但在卷积神经网络中，通常由训练过程自动学习得到。

特征图是什么？

特征图是卷积核扫过图像后得到的输出结果，反映了图像中某类特征出现的位置和强弱。