1D-3D 卷积简介
1D 卷积
一维卷积主要用于对只有一个维度的时间序列提取特征，比如信号、股价、天气、文本以及自然语言处理领域。
如上图，图中的输入的数据维度为 8，过滤器的维度为 5, 步长 stride 为 1, 则卷积后输出的数据维度为 8−5+1=4。
2D 卷积
2D 卷积是提取的单张静态图像的空间特征，然后同神经网络结合之后完成图像的分类、检测等计算机视觉方面的任务。
如上图中的输入的数据维度为（14×14），过滤器大小为 5×5，步长 stride 为 1, 二者做卷积，输出的数据维度为（10×10）即（14−5+1=10）。
3D 卷积
2D 卷积的 CNN 可以较好地处理单张图片，但是对视频，即多帧图像就会束手无策，因为 2D 卷积没有考虑到图像之间的时间维度上的物体运动信息，即光流场。因此，为了能够对视频进行特征，以便用来分类等任务，提出了 3D 卷积，在卷积核中加入时间维度。下图就很好的说明了 2D 卷积和 3D 卷积之间的差异。很明显，我们可以直观的发现 3D CNN 提取的是三维度的方体特征。
3 维卷积，一个 333 的卷积核在立方体上进行卷积，得到输出。
如下图，假设输入数据的大小为（a1×a2×a3），过滤器大小为 fff， 三维卷积最终的输出为(a1−f+1)×(a2−f+1)×(a3−f+1)。
补充：3D 卷积里面也分为单通道和多通道。 针对单通道，与 2D 卷积不同之处在于，输入的图像多了一个 depth 维度，即输入为(1, depth, height, width)，卷积核也多了一个 k_d 维度，因此卷积核在输入 3D 图像的空间维度（height 和 width 维）和 depth 维度上均进行滑窗操作，每次滑窗与 (k_d, k_h, k_w) 窗口内的 values 进行相关操作，得到输出 3D 图像中的一个 value。 针对多通道，输入大小为(3, depth, height, width)，则与 2D 卷积的操作一样，每次滑窗与 3 个 channels 上的 (k_d, k_h, k_w) 窗口内的所有 values 进行相关操作，得到输出 3D 图像中的一个 value。
多通道卷积与 3D 卷积
多通道卷积不同的通道上的卷积核的参数是不同的，而 3D 卷积则由于卷积核本身是 3D 的，所以这个由于“深度”造成的看似不同通道上用的就是同一个卷积，权重共享嘛。
总之，多了一个深度通道，这个深度可能是视频上的连续帧，也可能是立体图像中的不同切片。
3D 卷积的应用
3D 卷积就是多了一个深度通道，而这个深度通道可能是视频上的连续帧，也可能是立体图像中的不同切片，所以从应用上来说，主要就是两大主要方向: 视频分类与图像切割
