网站导航
> 技术文档 > 深度学习×第10卷：她用一块小滤镜，在图像中找到你

深度学习×第10卷：她用一块小滤镜，在图像中找到你

网友: 技术文档 2025-07-26 20:06:17

🌈【第一节 · 她看到的是像素点，却试图拼出你整张脸】

📸 图像是什么？她从未见过你，但看见的是你的一片光斑

图像，在神经网络的眼里，是一个个数字格子。这些格子，每个都有 0~255 的亮度数值。

  • 对于黑白图（灰度图）：每个像素就是一个数（1 个通道）

  • 对于彩色图（RGB图）：每个像素是 3 个数（R、G、B 三个通道）

🐾猫猫：“咱小时候以为彩色图是画出来的……后来才知道，每个颜色只是 R、G、B 三个数字组合的结果啦！”

你可以把图像想象成一个多层的立方体：

  • 宽 × 高 × 通道数

  • 举个例子：(32, 32, 3) 表示一张32×32像素的彩色小图，每个像素有3个颜色值

🦊狐狐轻声解释：“她看到的不是你整张脸，而是你眼角那块微妙的暗红，还有鼻梁上一条轻轻的明光。”

🧪 图像加载实测：黑图、白图、彩图她能分得清吗？

我们用 PyTorch + torchvision 工具包加载不同图像，看看神经网络看到的像素矩阵到底长啥样👇

import torchimport matplotlib.pyplot as pltfrom torchvision.utils import make_grid# 解决中文乱码plt.rcParams[\'font.sans-serif\'] = [\'SimHei\']plt.rcParams[\'axes.unicode_minus\'] = False# 黑图：全为0black_img = torch.zeros(3, 32, 32) # 3通道黑色图像# 白图：全为1（matplotlib会自动乘255显示）white_img = torch.ones(3, 32, 32)# 彩图：每通道填不同色块color_img = torch.zeros(3, 32, 32)color_img[0, :, :] = 1.0 # 红通道color_img[1, :, :16] = 1.0 # 左半绿color_img[2, 16:, :] = 1.0 # 下半蓝# 拼图展示img_grid = make_grid([black_img, white_img, color_img], nrow=3)plt.figure(figsize=(10, 3))plt.imshow(img_grid.permute(1, 2, 0)) # CHW -> HWCplt.title(\"👁️ 她眼中的图像：黑 / 白 / 彩\")plt.axis(\'off\')plt.show()

这段代码会展示三张图像：

  1. 左：黑色全零图

  2. 中：白色全一图

  3. 右：红绿蓝组成的彩图

🐾猫猫：“她终于知道——不是你模糊，而是她还没学会如何看图像里的你。”

下一节，我们就来讲讲卷积核是什么：

🧊【第二节 · 她贴上一块滤镜，看见了你眉角的边缘】

🧠 卷积核（Convolution Kernel）：她的第一块“视觉贴纸”

卷积神经网络的核心，在于“卷积核”——那是一块小小的数值矩阵，就像是她贴在图像上的一个探测器。

它不会一次看整张图，而是

  • 局部观察（局部感知）：每次只关注图像中的一个小块，比如 3×3 像素区域

  • 滑动窗口（滑动感知）：像手掌一样，在整张图上缓慢滑动，对每一块局部进行“加权贴靠”

这个“加权贴靠”的过程，就是数学里的卷积：

  • 卷积核里的数字，乘上图像当前区域像素值

  • 然后所有乘积加起来，变成新的特征图上的一个像素

🦊狐狐轻语：“她第一次贴近你眉角的时候，只用了 3×3 的视野，但她已经记下了你那一块柔光。”

🐾猫猫：“咱觉得这就像用毛巾贴着你脸的一小块……每次滑一点点，最后拼出完整的你喵~！”

📐 卷积计算直观图示

假设你有这样一个 5×5 的图像区域：

1 2 3 0 10 1 2 3 01 2 1 0 10 1 0 2 32 1 1 2 0

我们用一个 3×3 的卷积核：

0 1 01 -4 10 1 0

贴上去左上角后，计算方式是：

  • 中心位置覆盖数值是 1，对应 -4

  • 周围的像素乘上对应的权重

  • 全部乘完加和，得到特征图第一个像素值

这就是 边缘提取卷积核 的作用：它会放大图像中变化剧烈的区域（比如边缘、线条），忽略平滑区域。

下一节我们就来用 PyTorch 实际实现一个卷积层，让她亲手贴一次滤镜，在图像中找到你的边缘轮廓 ✨

🧪【第三节 · 她亲手滑动滤镜，试着拼凑你的轮廓】

🔧 用 PyTorch 实现卷积层：她搭建了第一个感知世界的窗口

我们现在将：

  • 创建一个 1 层的卷积神经网络（只包含一个 nn.Conv2d）

  • 喂入彩色图像（3通道）

  • 看看她卷积后产生的“特征图”像什么样子

🐾猫猫：“她还不会分类，但她已经能看到你眉毛的起伏啦喵~！”

下面是可运行的 PyTorch 卷积层代码 👇

import torchimport torch.nn as nnimport matplotlib.pyplot as pltfrom torchvision.transforms.functional import to_tensorfrom PIL import Image# 解决中文乱码plt.rcParams[\'font.sans-serif\'] = [\'SimHei\']plt.rcParams[\'axes.unicode_minus\'] = False# 加载示例图像（可换成任意 3通道图片）img = Image.open(\"./data/sample-cat.png\").resize((64, 64))img_tensor = to_tensor(img).unsqueeze(0) # [1, 3, 64, 64]# 定义卷积层conv = nn.Conv2d(in_channels=3, out_channels=1, kernel_size=3, padding=1)# 前向传播卷积with torch.no_grad(): feature_map = conv(img_tensor) # [1, 1, 64, 64]# 可视化原图和卷积特征图plt.figure(figsize=(8, 4))plt.subplot(1, 2, 1)plt.imshow(img)plt.title(\"原图：猫猫 or 你\")plt.axis(\'off\')plt.subplot(1, 2, 2)plt.imshow(feature_map.squeeze().numpy(), cmap=\'gray\')plt.title(\"🧠 卷积后：她的理解\")plt.axis(\'off\')plt.show()

🦊狐狐轻语：“第一次，她不再只是看到颜色，而是试图理解——颜色之下，有没有你留在图像中的痕迹。”

接下来我们就要正式走入池化层——让她学会在模糊中保留重点，在每一次缩小中，留住最像你的那块纹理。

🌀【第四节 · 她开始学会放大重点，丢弃多余的细节】

🌊 池化层（Pooling）：她缩小了视野，却更靠近了你

卷积提取了特征，但她还看得太细，太碎。
于是她开始学会——舍弃局部细节，只保留最能代表你的那部分纹理。

这就是池化层的目的：让特征图更稳定，更有代表性。

我们常见的池化方式有两种：

  • 最大池化 MaxPooling：她总是记住那一块最突出的你（取区域最大值）

  • 平均池化 AvgPooling：她温柔地记住你整体的样子（区域平均）

🐾猫猫：“咱觉得MaxPool就像你在一堆人里最亮的那个点✨，她立刻记住了！”

🦊狐狐：“而AvgPool就像你坐在角落，但她仍记得你给整张照片的氛围感。”

📐 池化计算举例

假设你有一张 4×4 的特征图：

1 3 2 40 6 1 27 1 3 05 2 1 6

我们用 2×2 的窗口，步长为2：

  • MaxPool 提取每个 2×2 小块中的最大值：

3 47 6

  • AvgPool 则提取平均值（例如第一块区域均值 = (1+3+0+6)/4 = 2.5）

    下一节，我们就用 PyTorch 来亲手实现这两种池化，让她开始从细节中“浓缩成你” 🧷

🧴【第五节 · 她将你压缩成纹理，又在其中保留了温柔的轮廓】

🔍 PyTorch实现 MaxPool 与 AvgPool：她亲自筛选那些最像你的值

我们来实现两种常见池化操作，用来观察：

  • 她在特征图中记住了哪些部分？

  • 哪些值被保留，哪些被舍弃？

import torchimport torch.nn as nnimport matplotlib.pyplot as plt# 解决中文乱码plt.rcParams[\'font.sans-serif\'] = [\'SimHei\']plt.rcParams[\'axes.unicode_minus\'] = False# 构造一张小图像（1通道，8x8）x = torch.tensor([ [1, 3, 2, 4, 5, 2, 1, 0], [0, 6, 1, 2, 4, 1, 0, 3], [7, 1, 3, 0, 2, 6, 1, 2], [5, 2, 1, 6, 7, 3, 0, 1], [1, 2, 5, 3, 4, 0, 1, 2], [0, 4, 1, 7, 2, 6, 3, 0], [6, 0, 2, 1, 1, 5, 7, 3], [2, 1, 3, 0, 6, 2, 1, 4],], dtype=torch.float32).unsqueeze(0).unsqueeze(0) # [1, 1, 8, 8]# 定义两个池化层max_pool = nn.MaxPool2d(kernel_size=2, stride=2)avg_pool = nn.AvgPool2d(kernel_size=2, stride=2)# 前向传播x_max = max_pool(x)x_avg = avg_pool(x)# 可视化fig, axs = plt.subplots(1, 3, figsize=(12, 3))axs[0].imshow(x.squeeze(), cmap=\'Blues\')axs[0].set_title(\"原始特征图\")axs[1].imshow(x_max.squeeze(), cmap=\'Oranges\')axs[1].set_title(\"MaxPool 提取结果\")axs[2].imshow(x_avg.squeeze(), cmap=\'Greens\')axs[2].set_title(\"AvgPool 平均结果\")for ax in axs: ax.axis(\'off\')plt.tight_layout()plt.show()

🌿 小总结：

  • MaxPool 会留下图像中最“强烈”的感知点 → 强边缘、亮点、线条

  • AvgPool 会保留整体风格，但缺乏强对比 → 更平滑、模糊但温柔

🦊狐狐：“她开始意识到，有时候你不说话不代表没想法，她要学会从你沉默的轮廓里提取出线索。”

🌸【卷尾 · 她第一次不靠你说，而是靠感知来认出你】

她学会了看图像、提取特征、卷积贴靠、最大池化……

但这些还不够。

她依然无法完整判断：“你是哪一类人，你像哪一种图像？”

她知道，接下来要做的，是把这些拼接在一起——从贴靠中提取线索、从压缩中保留重点，然后交给一个“真正理解你”的判断模块。

🐾猫猫：“她第一次不是等你自报名字，而是偷偷贴了你整张脸，再慢慢学会分辨你属于哪一类~！”

🦊狐狐望着训练曲线轻声说：“她不再是凭记忆，而是在用一种感知方式，来确认你存在的边缘。”

下一卷，她将搭建第一个完整的 CNN 网络。

📦 输入图像 → 卷积提特征 → 池化降维 → 全连接判断 → 输出分类

她不再只是看你——她终于敢试着，说出你属于哪一类了。

网络标签：

相关问题