假设输入是 32x32 RGB 图像(即 32x32x3)。
如果第一层转换网络上的 5x5x3 过滤器识别出绿红渐变，它会在 28x28 特征图上记录其激活值(步长为 1，填充为 0)。
该特征图不包含有关颜色的信息，因此当将其输入到下一个卷积层 conv2 时，conv2 将仅学习灰度滤波器。
那么，像这样的高级过滤器如何包含颜色信息？
来自this视觉化，似乎他们甚至不关心颜色。此外，滤镜中的颜色似乎变得如此扭曲，以至于它们并不能真正描述类功能的样子。为了澄清我的意思，请注意上图所示的第三组过滤器。在自然世界中，颜色不会以那种饱和的方式出现。我的第一 react 是猜测它们的出现是为了更容易概括。但是，对于面部内部带有蓝色调的狗来说，高级过滤器是否会对标记过程产生不利影响，因为大多数狗的面部特征没有这种颜色？
最佳答案
是的，你是对的，卷积层的特征图看起来是灰度的。如果您想单独可视化每个特征图，那么您将只能看到灰度图像。获得如此彩色图像的方法是组合 3 个滤波器(卷积特征图)，并为它们分配 R、G 和 B 值。 在 this lecture您可以了解有关可视化技术的更多信息。
关于machine-learning - CNN 中的过滤器如何识别颜色？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41598858/