channel=1的灰度图输入的情况
多通道卷积操作
左列的X是输入的图像（此处channel是3，也可以理解为RGB，色彩图像），中间红色的列是我们的kernel（即3*3的filter），共两个（即输出的feature通道为2）。最后一列为卷积之后的特征（由于是2个kernel，输出通道为2）。
那么，由上面的过程可以看出，输入是3维（height*width*channel）的，kernel实际上也是三维的。网络卷积网络特征变化可以用下图表示：
左列的X是输入的图像（此处channel是3，也可以理解为RGB，色彩图像），中间红色的列是我们的kernel（即3*3的filter），共两个（即输出的feature通道为2）。最后一列为卷积之后的特征（由于是2个kernel，输出通道为2）。
那么，由上面的过程可以看出，输入是3维（height*width*channel）的，kernel实际上也是三维的。网络卷积网络特征变化可以用下图表示：
原文：https://www.cnblogs.com/fangpengchengbupter/p/8259872.html