Convolution

卷积是一种基础数学运算，是现代计算机视觉 (CV)和深度学习 (DL)系统的核心构建模块。在图像处理领域，卷积会将一个通常称为内核的小型滤波器滑过输入图像，从而生成一张显著特征图。这个过程让人工智能 (AI)模型能够自动学习并识别边缘、纹理和形状等模式，而无需人工干预。与通常需要手动进行特征提取的传统机器学习 (ML)不同，卷积使网络能够构建对视觉数据的层次化理解，从简单的线条开始，逐步发展到面部或车辆等复杂对象。

卷积的工作原理#

该运算会让滤波器遍历输入数据，执行逐元素乘法并将结果求和，为每个位置生成一个值。这个输出称为特征图。

• **内核：**这是一个用于检测特定特征的数字小矩阵（权重）。例如，Sobel 算子是一种专门用于检测垂直或水平边缘的内核。
• **滑动窗口：**内核会按照称为“步幅”的预定义步长在图像上移动。这个空间滤波过程保留了像素之间的关系，这对于理解图像至关重要。
• **层级结构：**在卷积神经网络 (CNNs)等深度架构中，初始层会捕获低级细节，而更深层则将这些细节组合成高级概念。

卷积与相关概念的比较#

要全面理解卷积，最好将它与神经网络 (NN)文献中经常出现的相似术语区分开来：

• 互相关与卷积：从数学上讲，真正的卷积会在应用内核前先将其翻转。不过，大多数深度学习框架（包括 PyTorch 库）实现的是互相关（滑动时不翻转），但将其称为“卷积”，因为权重会在训练过程中学习得到，所以翻转上的区别不会影响性能。
• **卷积与注意力的对比：**卷积在局部处理信息（相邻像素），而注意力机制允许模型同时关联图像中相距较远的部分。现代架构（如 YOLO26）通常会采用高度优化的卷积层，以保持实时推理速度，因为注意力层的计算开销可能更大。

实际应用#

卷积的高效性让 AI 能够通过支持稳健的感知系统，推动各个行业发生变革：

1. **医学诊断：**在医疗领域的 AI中，卷积有助于分析高分辨率的MRI 扫描。通过使用专门设计用于突出异常的内核，模型可以检测肿瘤或骨折的早期迹象，其准确率可与人类专家相媲美。

2. **自主导航：**自动驾驶车辆依靠卷积进行实时目标检测。车辆行驶时，卷积层会处理视频流，立即识别行人、车道线和交通标志，这是汽车领域的 AI安全系统的关键组成部分。

使用 Ultralytics 的 Python 示例#

你可以使用 Python 检查先进模型中的卷积层。以下示例会加载 YOLO26模型，并验证其初始层使用了标准卷积运算，该运算通过 torch.nn 实现。

import torch.nn as nn
from ultralytics import YOLO

# Load the latest YOLO26 model
model = YOLO("yolo26n.pt")

# Access the first layer of the model's backbone
first_layer = model.model.model[0]

# Verify it is a Convolutional layer
if isinstance(first_layer.conv, nn.Conv2d):
    print("Success: The first layer is a standard convolution.")
    print(f"Kernel size: {first_layer.conv.kernel_size}")

卷积对 Edge AI 的重要性#

卷积运算具有很高的可优化性，非常适合部署在计算资源有限的Edge AI环境中。由于同一个内核会在整张图像中共享（参数共享），与较早的全连接架构相比，该模型所需的内存显著更少。这种高效性让先进模型能够在智能手机和IoT 设备上运行。

对于希望利用这些运算处理自定义数据集的团队，Ultralytics Platform提供了无缝环境，让你无需管理复杂基础设施即可标注图像并训练基于卷积的模型。通过使用迁移学习，你可以微调预训练的卷积权重，以极少的训练数据识别新对象。