卷积神经网络3D或多光谱图像中对2D，3D卷积的理解混乱

Question

有人请解释使用3D或多光谱图像的CNN（深度学习）中2D和3D卷积的区别吗？

Answer 1

所有卷积运算都有填充以保持输出大小[w，h]

• 2D卷积

  输入大小= [w，h]

  转化过滤器= [n，n]

  输出大小= [w，h]

• 3D卷积

  输入大小= [w，h，c]

  转换滤波器= [n，n，d]

  输出大小= [w，h，c']

• 用于3D输入的2D卷积（通常使用此形式）

  输入大小= [w，h，c]

  转化过滤器= [n，n，c]

  输出大小= [w，h]

  如果要使用[w，h，c']获得输出大小，则需要c'次运算。