视频封面

视频元信息

  • 课程：吴恩达深度学习专项课程（Deep Learning Specialization）
  • 章节：卷积神经网络（CNN）第四周 - 4.2.6 1维和3维推广
  • 时长：约 9 分钟
  • 性质：本周及本门卷积课程最后一讲

内容摘要（TL;DR）

本视频将 2D 卷积的思想推广到 1D 和 3D 数据。以心电图（EKG）为例讲解 1D 卷积，以 CT 扫描和电影数据为例讲解 3D 卷积，并给出各维度下的输出尺寸计算公式。最后指出绝大多数卷积仍应用于 2D 图像，1D 序列问题常使用循环神经网络（RNN）等专门模型。

一、回顾 2D 卷积 [00:33]

要点：本课第一周学过的 2D 卷积是理解 1D、3D 推广的基础。

  • 输入 14×14 图像，与 5×5 滤波器卷积，得到 10×10 输出。
  • 若输入有多个通道，如 14×14×3，则滤波器通道数必须匹配，即 5×5×3。
  • 若使用多个滤波器，如 16 个，最终输出为 10×10×16。

尺寸推导：14 − 5 + 1 = 10，即输出边长 = 输入边长 − 滤波器边长 + 1（无填充、步长为 1）。

理解：通道数（depth）由滤波器数量决定，而滤波器通道数必须与输入通道数一致，这是卷积运算的基本约束。

二、从 2D 推广到 1D 卷积 [01:09]

要点：1D 卷积把 2D 的"在图像不同位置滑动特征检测器"思想，迁移到一维信号上。

2.1 案例：心电图（EKG）信号 [01:14]

  • EKG（electrocardiogram，心电图）：在胸口放置电极，测量心跳产生的微弱电压变化。
  • 图中的每个波峰对应一次心跳。
  • 若用 EKG 信号做医学诊断，数据本质上是 1D 时间序列，记录每个时刻的电压值。

2.2 1D 卷积的运算 [02:01]

  • 输入不再是 14×14，而是 14 维向量（14 个时间点）。
  • 滤波器不再是 5×5，而是 5 维的 1D 滤波器。
  • 14 维输入与 5 维滤波器卷积，得到 10 维输出。
  • 若为多通道：输入 14×1（EKG 只有 1 个通道），滤波器 5×1。
  • 若使用 16 个滤波器，输出为 10×16。

2.3 1D 卷积的核心意义 [02:16]

  • 2D 卷积的作用：用同一个 5×5 特征检测器在图像不同位置反复应用，得到 10×10 输出。
  • 1D 卷积的作用：用同一个 5 维滤波器在 1D 信号的不同位置反复应用。
  • 理解：这正是卷积的"参数共享"优势——同一组特征（如心跳波形）可以检测信号中不同时间点出现的相同模式。

考点：1D 卷积的关键价值：用同一组特征检测器检测 EKG 信号中不同位置的心跳，无需为每个时间位置单独学习参数。

2.4 与 2D 的类比及序列模型补充 [03:39]

  • 类比：如同 10×10×16 数据与 5×5×16 滤波器卷积（通道必须匹配），得到 6×6×32（32 个滤波器）。
  • 所有 2D 卷积的思想同样适用于 1D 数据。
  • 重要提醒：对于大量 1D 数据应用，实际更常用循环神经网络（RNN），将在下一门课程学习。
  • 下一门"序列模型"课程会讨论 RNN、LSTM 等专门为序列数据设计的模型，并对比 1D 卷积与这些模型的优劣。

易错点/重点：1D 卷积虽然可行，但序列数据（如语音、文本、时间序列）的主流方案是 RNN/LSTM。选择模型时需权衡——1D 卷积擅长提取局部模式，RNN 更擅长建模长距离时序依赖。

思考：1D 卷积的优点是并行计算效率高、参数少；缺点是感受野有限，难以捕捉超长距离依赖。这也是后续 TCN（时间卷积网络）等模型试图解决的问题。

三、从 2D 推广到 3D 卷积 [04:55]

要点：3D 卷积处理的是三维数据体（volume），而非一维列表或二维矩阵。

3.1 案例：CT 扫描 [05:09]

  • CT 扫描（CT scan）：一种 X 射线扫描，能给出人体的 3D 模型。
  • 原理：通过人体不同切片（slices）逐层扫描，得到人体躯干的不同切面。
  • 数据本质上是 3D 的：具有高度（height）、宽度（width）、深度（depth）。
  • 深度方向对应躯干的不同切片。

3.2 3D 卷积的运算 [06:05]

  • 为简化讨论，设输入为 14×14×14 的 3D 体，代表 CT 扫描的高、宽、深。
  • 提醒：正如图像不必是正方形，3D 体也不必是完美立方体，高、宽、深可以各不相同。
  • 使用 5×5×5 的 3D 滤波器，输出为 10×10×10 的体。
  • 若考虑通道数（×1），输入通道与滤波器通道必须匹配。
  • 若使用 16 个滤波器，输出为 10×10×10×16。

3.3 多层 3D 卷积 [07:23]

  • 第二层：用 5×5×5×16 的滤波器卷积 10×10×10×16 的输入（通道数 16 必须匹配）。
  • 若使用 32 个滤波器，输出为 6×6×6×32。
  • 与图像卷积类似，滤波器尺寸和数量共同决定输出形状。

考点：3D 卷积尺寸计算：与 2D 一致，各维度分别应用"输入 − 滤波器 + 1"。如 14−5+1=10，10−5+1=6。

3.4 3D 数据的其他例子 [08:07]

  • CT 扫描是医学 3D 体的一个例子。
  • 另一个可视为 3D 体的数据：电影数据——不同切片对应电影中不同的时间切片。
  • 可用于检测运动，或检测电影中的人物动作。

拓展：除 CT 外，MRI、PET 等医学影像同样是 3D 体数据。视频数据（时空立方体）用 3D 卷积可提取时空特征，这是视频理解（如动作识别）中 3D CNN（如 C3D、I3D）的基础思想。

四、总结与课程收尾 [08:27]

要点：图像数据极为普遍，绝大多数卷积仍用于 2D 图像，但 1D、3D 推广同样有价值。

  • 本视频完成了从 2D 到 1D 和 3D 数据的卷积推广。
  • 图像数据无处不在，因此绝大多数卷积应用在 2D 图像数据上。
  • 希望 1D、3D 模型对其他任务也有帮助。
  • 这是本周最后一讲，也是本门卷积课程的最后一讲。
  • 祝贺完成本课程视频，期待在下一门"序列模型"课程再见。

课程节点提醒：本视频是 CNN 课程的收尾。下一门课程为序列模型（Sequence Models），将学习 RNN、LSTM 等，并对比 1D 卷积与序列专用模型的优缺点。

关键标签 / 关键词

吴恩达 #深度学习 #卷积神经网络 #CNN #1D卷积 #3D卷积 #2D卷积 #EKG心电图 #CT扫描 #序列模型 #RNN #LSTM #参数共享 #特征检测器 #通道匹配 #卷积推广 #时间序列 #医学影像 #视频理解

生成时间：2026-10-11 00:37:35 生成平台：VideoNote www.xygy.top