解释计算机视觉中具有多个通道的二维图像背后的直觉答案

【问题标题】：Explain the intuition behind a two dimensional image with multiple channels in computer vision解释计算机视觉中具有多个通道的二维图像背后的直觉
【发布时间】：2017-11-22 18:53:46
【问题描述】：

考虑尺寸为 46*46*3（长度 x 高度 X 通道数）的 2D 图像。这意味着图像具有指定的长度和高度，具有三个通道 - 红色，蓝色和绿色。

然后我遇到了尺寸为 20*20*32 的图像。拥有 32 个频道意味着什么？如果我说它是一个有 32 个通道代表 32 种颜色的图像，对吗？

【问题讨论】：

标签： computer-vision conv-neural-network image-recognition

【解决方案1】：

你在正确的轨道上。通常，您会看到三个代表 RGB 的通道。但是你可以有 4 个通道，添加一个用于 alpha 和 RGBa。 alpha 数字表示当特定像素与其他图像分层组合时，它的透明度应该是多少。

卫星传感器收集的图像每个像素可以包含数百个通道，每个通道都是一个数字，代表该传感器收集的某些特殊质量。通道可能会编码该像素的高度、从太空看到的温度或在人眼不可见的各种光谱带中看到的反射率。由于计算机显示器的每个像素只有三个 RGB 元素，因此显示这种多通道图像需要软件将许多通道映射到仅三个用于显示目的。这种多通道图像通常使用“假色”技术来显示，将一个或多个通道值映射到特定范围的 RGB 值。

有关更多信息以及在哪里可以找到我得到此答案的位置，请查看：http://www.georeference.org/doc/images_and_channels.htm

【讨论】：

该链接包含我现在需要的所有信息。它有帮助。

【解决方案2】：

虽然 Randall 的回答通常适用于常见图像，其中几个通道代表红色、绿色、蓝色、深度、透明度、温度等信息数据结构。

因此，在 20x20x32 的“图像”中，您可以存储 32 张 20x20 的图像。尤其是在您标记的 CNN 中，您有多个层，其中包含许多相同尺寸的小图像。

另一个典型用途是显微镜或某些 3D 成像技术中的所谓图像堆栈，您可以在其中存储许多在不同高度拍摄的图像。

【讨论】：

如果一个 20*20*32 的图像经过卷积层（比如 45 个 2*2*32 过滤器，相同的填充）后，新尺寸为 20*20*45。那么这 45 是否属于 45 个堆叠的 20*20 尺寸的小图像？输入图像中的 32 代表什么？我们是否应该像您说的那样指定第三维代表什么 - 颜色或小图像？
你能告诉我一个例子，你有一个 32 通道的图像作为 CNN 的输入吗？唯一能告诉你 32 个通道在 20x20x32 图像中代表什么的人是创建它的人。颜色对我来说没有任何意义。
就像你说的，它不是输入图像（我正在追求一个MOOC）。该维度 (32) 是在应用过滤器之后出现的。我想知道在应用 conv 过滤器后如何理解像 28*28*192 这样的输出。你说这里会有192个相同类型的小图像。这 192 幅图像中的每一幅都有一个学习特征吗？对不起，如果我的问题很愚蠢。
只是上一层的输出。也许只是可视化它们并查看它们包含的内容？这是一个简单的例子。你可以在左上角画一个数字，看到图层scs.ryerson.ca/~aharley/vis/conv/flat.html
感谢您的帮助。我会通过它。