卷积

卷积是一种基本的数学运算，是现代计算机视觉 (CV)和深度学习 (DL)系统的核心构建模块。在图像处理中，卷积涉及将一个小型滤波器（通常称为核）在输入图像上滑动，以创建重要特征的映射。这个过程使人工智能 (AI)模型能够自动学习和识别边缘、纹理和形状等模式，而无需人工干预。与通常需要手动特征提取的传统机器学习 (ML)不同，卷积使网络能够建立对视觉数据的分层理解，从简单的线条开始，逐步发展到人脸或车辆等复杂物体。

卷积如何运作

该操作通过在输入数据上应用滤波器，执行逐元素乘法，并对结果求和，从而为每个位置生成一个单一值。这个输出被称为特征图。

• 核：这是一个小的数字矩阵（权重），用于检测特定特征。例如，Sobel 算子是一种特定类型的核，用于检测垂直或水平边缘。
• 滑动窗口：核以称为“步长”的定义步进大小在图像上移动。这种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（CNN）等深度架构中，初始层捕获低级细节，而更深层将这些细节组合成高级概念。

卷积与相关概念对比

为充分理解卷积，将其与 神经网络（NN） 文献中常见的类似术语区分开来是很有帮助的：

• 互相关与卷积: 从数学上讲，真正的卷积涉及在应用前翻转核。 然而，大多数深度学习框架，包括 PyTorch库，都实现了 互相关（不翻转滑动），但将其标记为“卷积”，因为 权重在训练期间学习，使得翻转的区别对性能无关紧要。
• 卷积与注意力: 虽然卷积局部处理信息（相邻像素），但 注意力机制允许模型 同时关联图像的远距离部分。YOLO26等现代架构通常利用高度优化的卷积层 来保持 实时推理速度，因为 注意力层计算成本可能更高。

实际应用

卷积的效率使AI能够通过为强大的感知系统提供动力，彻底改变各行各业：

1. 医学诊断：在 医疗AI领域，卷积有助于分析高分辨率 MRI扫描。 通过使用旨在突出异常的特定核（kernels），模型能够以与人类专家相媲美的准确性detect肿瘤或骨折的早期迹象。
2. 自主导航：自动驾驶汽车依靠卷积实现实时目标检测。随着汽车的移动，卷积层处理视频流以即时识别行人、车道线和交通标志，这是汽车人工智能安全的关键组成部分。

Python 与UltralyticsPython

您可以使用 Python 检查最先进模型中的卷积层。以下示例加载了 YOLO26 模型，并验证其初始层采用标准卷积操作，该操作通过 torch.nn.

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}")

为什么卷积对边缘AI很重要

卷积操作具有高度可优化性，使其成为计算资源有限的边缘AI部署的理想选择。由于整个图像共享相同的核（参数共享），模型所需的内存显著少于旧的全连接架构。这种效率使得先进模型能够在智能手机和物联网设备上运行。

对于希望利用这些操作处理自定义数据集的团队，Ultralytics 平台提供了一个无缝环境，用于标注图像和训练基于卷积的模型，而无需管理复杂的底层架构。通过使用迁移学习，您可以微调预训练的卷积权重，以最少的训练数据识别新物体。