Feature Maps

特征图是神经网络中的卷积滤波器处理输入图像或前置层时产生的基本输出。在计算机视觉（CV）领域，这些特征图作为数据的内部表示，突出显示模型学会识别的特定模式，例如边缘、纹理或复杂的几何形状。从本质上说，特征图就像卷积神经网络（CNN）的“眼睛”，将原始像素值转换为有意义的抽象表示，从而支持目标检测和分类等任务。

特征图背后的机制#

特征图的生成由称为卷积的数学运算驱动。在此过程中，由可学习参数组成的小型矩阵（称为内核或滤波器）会在输入数据上滑动。在每个位置，内核执行逐元素乘法并求和，最终在输出网格中得到一个值。

• 模式激活：每个滤波器都经过训练，用于寻找特定特征。当滤波器在输入中检测到该特征时，特征图中的结果值会较高，表示强激活。
• 空间层次结构：在深度学习（DL）架构中，特征图按层次组织。早期层生成的特征图用于检测低级细节，例如边缘检测中的线条和曲线。更深层会组合这些简单特征图，形成复杂对象的高级表示，例如人脸或车辆。
• 维度变化：随着数据在网络中传递，池化层等操作通常会减小特征图的空间维度（高度和宽度），同时增加深度（通道数）。这一过程通常称为降维，有助于模型关注特征是否存在，而不是它们的确切像素位置。

实际应用#

特征图是现代 AI 应用的核心基础，使系统能够以类似人类的理解方式解读视觉数据。

• 医疗诊断：在医学图像分析中，模型使用特征图处理 X 射线或 MRI 扫描。早期特征图可能突出显示骨骼轮廓，而更深层的特征图则会识别肿瘤或骨折等异常，从而协助医生处理医疗领域中的 AI场景。
• 自主导航：自动驾驶汽车高度依赖视觉传感器生成的特征图。这些特征图使车辆的车载计算机能够实时区分车道、行人和交通标志，这对于自动驾驶车辆安全运行至关重要。

在 Python 中处理特征图#

虽然特征图属于内部结构，但在设计架构时，理解其维度至关重要。下面的 PyTorch 示例演示了单个卷积层如何将输入图像转换为特征图。

import torch
import torch.nn as nn

# Define a convolution layer: 1 input channel, 1 output filter, 3x3 kernel
conv_layer = nn.Conv2d(in_channels=1, out_channels=1, kernel_size=3, bias=False)

# Create a random dummy image (Batch Size=1, Channels=1, Height=5, Width=5)
input_image = torch.randn(1, 1, 5, 5)

# Pass the image through the layer to generate the feature map
feature_map = conv_layer(input_image)

print(f"Input shape: {input_image.shape}")
# The output shape will be smaller (3x3) due to the kernel size and no padding
print(f"Feature Map shape: {feature_map.shape}")

区分相关概念#

为了避免在模型训练期间产生混淆，区分特征图与相似术语很有帮助：

• 特征图与滤波器：滤波器（或内核）是用于扫描图像的工具，其中包含模型权重。特征图则是该扫描的结果。你可以将滤波器看作“镜头”，将特征图看作通过该镜头捕获的“图像”。
• 特征图与嵌入：虽然二者都用于表示数据，但特征图通常会保留适用于语义分割的空间结构（高度和宽度）。相比之下，嵌入通常是扁平化的一维向量，能够捕获语义含义，但会丢失空间布局，常用于相似性搜索任务。
• 特征图与激活：激活函数（例如 ReLU）会应用于特征图中的值，以引入非线性。特征图在执行这一数学运算之前和之后都存在。

与 Ultralytics 模型的相关性#

在 YOLO26 等高级架构中，特征图在模型的“骨干网络”和“检测头”中发挥着关键作用。骨干网络会提取不同尺度的特征（特征金字塔），确保模型能够有效检测大小不同的目标。使用 Ultralytics Platform 进行训练的用户可以通过 准确率 和召回率等指标，直观了解这些模型的表现，并间接观察底层特征图的效果。优化这些特征图需要在经过标注的数据集上进行大量训练，通常还会利用特征提取等技术，将预训练模型中的知识迁移到新任务中。