大家好啊，我是董董灿。

深度学习算法中，尤其是计算机视觉，卷积是无论如何都绕不过去的槛。

初学者看到这个算法后，很多是知其然不知其所以然，甚至不知道这个算法是做什么的，或者很疑惑，为什么在处理图像任务的神经网络中需要卷积算法？

1、 为什么需要卷积

在说卷积之前，先说一说一个神经网络(或者叫一个AI模型)，是如何完成一张图片的推理的。

你肯定听说过大名鼎鼎的阿尔法狗大战柯洁的故事，但是，你有没有想过一个问题：阿尔法狗学会了下棋，但是它下棋的记忆到什么样的？存在什么地方呢？

高中生物老师教过我们，人脑中有大量的脑神经元。每个脑神经元都可以看做是一个小的记忆体，神经元之间通过树突连接起来，整个大脑的神经元，可以说是一张十分复杂的网络。

人脑处理信息，就是利用这个复杂的网络处理信息，并最终得到一个结果。通过神经元网络，我们才能知道，眼睛看到的是一只猫，还是是一只狗。

稍微简化一下大脑神经元的复杂结构成如下的网络。

每个黑点代表一个神经元脑细胞，每个神经元都有自己负责记忆的东西。

当我们看到一张画着猫的图片的时候，图片信息通过视神经传给大脑神经元，于是，信息到达了最左边一排竖着的黑点（神经元）。

神经元的激活

假如一个黑点(神经元)之前见过猫，那么这个黑点就会把信息往后传，此时神经元处于激活状态。

假如一个黑点从来没见过猫，那么这个黑点(神经元)就啥也不知道，啥也不做，此时神经元处于静止状态。

一张画着猫的图片的信息，就这样一层一层地通过“见过猫且确信它是一只猫的”神经元往后传递，直到在最后输出一个结果。

这是一只猫。

这个过程叫做大脑的推理。

整个推理过程你应该注意到了一件事，所有的黑点都可能是有记忆的，只不过记得东西各有不同，有的认识猫，有的认识狗，就像下面这样。

所有认识猫的神经元都会让信息通过，其他不认识猫的神经元都静止了。但是只要信息能传到最后，人脑最终就可以得出一个结论，这就是一只猫。

那神经元的这些记忆是怎么获取的呢？

训练，人们在日常生活中不断地训练大脑，时刻观察着周围的事物，见得多了，就会了。

训练获取记忆

人工智能计算机是怎么模拟这个记忆过程呢？

答案很简单：计算机只会计算，那就让它计算好了。

如果某个黑点认识猫，有什么办法可以把“这是一只猫”这一信息传递到后面呢？乘以1，任何数乘以1都是它自己，一只猫乘以1也还是他自己。

如果某个黑点压根没见过猫，有什么办法可以什么都不做呢？乘以0，任何数乘以0都是0，信息也就没了，一只猫乘以零，猫也就没了。

于是，在深度学习的网络中，每个黑点(神经元)都有一个与之对应的数字（实际的网络中，不是0或者1这样简单的数字，而是一些复杂的数字，这里仅仅是为了说明），这些数字，在深度学习中，我们称之为权值。

神经元通过权值的加权计算来判断是否让某一信息经过神经元，到达下一层。

权值乘以输入的信息（猫），然后经过激活函数去激活（类似于人脑神经元的激活）。

如果能成功激活，那么信息就往下传。

如果没有成功激活，信息就在此丢失。

当然神经网络中的权值不是简单的0或1，所以经过激活函数计算出来的只是一个概率值，也就是说黑点（神经元）觉得它是一只猫的概率。最终如果得到95%的概率觉的它是一只猫，那基本就是一只猫。

人脑看多了，就认识猫了，同样AI被训练的“看”多了，也会逐渐“认识”猫了。

AI的权值就是这么被训练出来的！

说到这，就说会今天的主角——卷积算法之所以重要，就是因为这个算法存在一个天然的记忆体，或者是权值矩阵，那就是卷积核。

2、卷积算法

深度学习中的卷积算法，模拟的就是人眼看物体的过程。

上图是深度学习中卷积的示意图，还记得之前说过的么，图片是由像素组成的(查看要学计算机视觉，先了解图像和像素)。

示意图下方的 4x4 的像素方格就是卷积算法需要处理的图片(类比于人眼观看的图片)。

示意图上方的 2x2 的像素方格就是卷积算法的输出(类比于人眼看完一张图片后的结果信息)。

4x4的方格上移动的灰色阴影，那个3x3的像素方格就是卷积核，可以把它理解为人眼此时聚焦看到的区域（称之为感受野，人眼的视野），只不过，这个示意图中每次看到的都是一个3x3的像素方格！

而卷积过程，就是用一个3x3的卷积核，去逐步扫描图片：横着扫完竖着扫，每扫一次，就将逐个像素点的值相乘然后加一起，得到一个输出，就像下面这样：

再换个更直观的角度看一眼。

卷积，就是这么简单的过程。

我们可以通过调整卷积核的大小，比如把上图3x3的卷积核扩大到5x5，来控制 “人眼” 看到的图片范围，从而获取到不同尺度下的图片信息。

比如在一些检测车道线的神经网络中，由于车道线是长实线，车道线的存在趋近于长方形，因此在这类神经网络中，很多卷积核被设计成1x5或1x7的卷积核，用来更好的识别车道线的形状。

当然，在不同图像处理任务中，会设计不同大小的卷积核，以适应不同的场景序需求，但万变不离其宗，卷积的计算，就是一些模拟的人眼看物体扫描像素点的过程。

说到这，大概对卷积这一算法有一个初步印象了吧。