以后CNN中的过滤器如何识别颜色？

Question

假设输入是32x32 RGB图像（32x32x3）。

如果第一层conv网络上的5x5x3滤波器识别出绿红色渐变，则会在28x28特征图上记录它的激活值（给定1的步幅和0的填充）。

该要素图不提供有关颜色的信息，因此当它被输入到下一个转换层conv2时，则conv2将只学习灰度过滤器。

那么，更高级别的过滤器如何包含颜色信息？

从this可视化，似乎他们甚至不打扰颜色。此外，过滤器中的颜色似乎变得如此扭曲，以至于它们并没有真正描述类特征的外观。为了澄清我在说什么，请注意上面的第三组过滤器。在自然界中，颜色不会以饱和的方式出现。我的直接反应是猜测它们看起来如此，以便更容易概括。但是，对于那些在脸部内部有蓝色调的狗来说，对于贴标过程不会有高级过滤器，因为大多数狗的面部特征没有这种颜色吗？

Answer 1

是的，你是对的，卷积层的特征图看起来是灰度的。如果要单独显示每个要素贴图，则只能看到灰度图像。你可以想出这种彩色图像的方法是组合3个滤镜（卷积特征图），分配它们的R，G和B值。 在this lecture中，您可以了解有关可视化技术的更多信息。

Answer 2

这些过滤器不是正确的过滤器，除了左侧的那些（第一层过滤器）。有过滤器的可视化。每个正方形是输入优化的结果，以便最大化对应于一个滤波器的特征图的值。因此，过滤器的可视化是与输入具有相同尺寸的图像。

第一层滤波器是NxNx3（在这种情况下，我认为N = 7）。可以直接显示它们，而无需经过优化步骤。