请说明二维卷积与三维卷积各自的运算过程,并比较它们在应用场景上的差异。
考察说明
考查对卷积神经网络中二维卷积与三维卷积原理及应用的理解。
回答思路
- 【回答框架 1】二维卷积在图像等二维数据上操作,卷积核在宽度和高度两个维度滑动,对输入图像的对应区域进行加权求和并加上偏置,生成二维特征图。
- 【回答框架 2】三维卷积在视频或体素数据上操作,卷积核在宽度、高度和深度三个维度滑动,能同时捕捉空间和时间维度的特征,输出三维特征图。
- 【回答框架 3】二维卷积常用于图像处理,模型如CNN;三维卷积常用于视频分析、医学影像(如CT)等需要利用时间或空间上下文的信息。
- 【回答框架 4】三维卷积计算量远高于二维卷积,因为多了一个维度,参数量和计算复杂度均增加。
- 【关键点 1】二维卷积卷积核为二维,滑动两个轴;三维卷积核为三维,滑动三个轴。
- 【关键点 2】三维卷积能捕捉时空特征,二维卷积只能捕捉单帧或单层特征。
- 【关键点 3】三维卷积计算开销更大,适合处理视频或体积数据。
- 【易错点 1】不要混淆卷积维度与输入数据维度,三维卷积不意味着处理三维RGB图像,而是处理有深度维度的数据如视频帧序列。
- 【易错点 2】注意三维卷积核的深度通常小于输入深度,类似二维卷积通道处理,但滑动深度轴。