3DCNN概述及3DCNN与2DCNN的区别

前言

由于做课题需要运用到3DCNN的知识所以需要对3DCNN有关知识进行了解和梳理。这篇博客主要介绍了3DCNN的概念、3DCNN工作原理以及3DCNN与2DCNN的区别。这也是本人第一次编写博客在内容上如有问题欢迎指出。

文中图片除特殊标注外其他来自于论文3D Convolutional Neural Networks for Human Action Recognition

1、3DCNN的概念及3DCNN与2DCNN的区别

2DCNN是输入为高度H*宽度W的二维矩阵是在单通道的一帧图像上进行滑窗操作这种方式没有考虑到时间维度的帧间运动信息。

 而3DCNN有三个维度分别为图像宽度W图像高度H以及图像通道过滤器深度<图像深度卷积核可以在三个方向上移动使用3D CNN能更好的捕获视频中的时间和空间的特征信息。

注此图来自于CSDN博主「YOULANSHENGMENG」

如下图所示a)和b)分别为2D卷积用于单通道图像和多通道图像的情况此处多通道图像可以指同一张图片的3个颜色通道也指多张堆叠在一起的图片即一小段视频对于一个滤波器输出为一张二维的特征图多通道的信息被完全压缩了。而c)中的3D卷积的输出仍然为3D的特征图。也就是说采用2D CNN对视频进行操作的方式一般都是对视频的每一帧图像分别利用CNN来进行识别这种方式的识别没有考虑到时间维度的帧间运动信息而使用3D CNN能更好的捕获视频中的时间和空间的特征信息。

注此处为CSDN博主「YOULANSHENGMENG」的原创文章
原文链接https://blog.csdn.net/YOULANSHENGMENG/article/details/121328554

 2、3DCNN工作原理

3D卷积是通过堆叠多个连续的帧为一个立方体在立方体中运用3D卷积核在这个结构中卷积层中每一个特征map都会与上一层中多个邻近的连续帧相连因此捕捉运动信息。下图则表达了该过程

注相同颜色的连线代表了相同的权值可以采用多种卷积核以提取多种特征 。

例如黑色连线同时卷积了相邻的两帧图像并且运用的是相同的权值得到的输出即可表达两帧之间的运动变化。