特征图

特征图是卷积滤波器处理输入图像或神经网络前一层时产生的基础输出。在计算机视觉（CV）领域，这些图作为数据的内部表示形式，突显出模型已学会识别的特定模式，如边缘、纹理或复杂几何形状。 本质上，特征图如同卷积神经网络（CNN）的"眼睛"，将原始像素值转化为具有实际意义的抽象表征，从而支持物体检测与分类等任务的实现。

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，一个称为核或滤波器的小型可学习参数矩阵在输入数据上滑动。在每个位置，该核执行元素级乘法与求和运算，最终在输出网格中生成单一数值。

• 模式激活：每个滤波器都经过训练以识别特定特征。当滤波器在输入中遇到该特征时，特征图中的对应值会升高，表明存在强烈的激活。
• 空间层次结构：在深度学习（DL）架构中，特征图呈分层结构排列。早期层生成用于detect 细节（如边缘检测线和曲线）的图，更深层则将这些简单图组合起来，形成对复杂物体（如人脸或车辆）的高级表示。
• 维度变化：当数据在网络中传递时，池化层等操作通常会减少特征图的空间维度（高度和宽度），同时增加深度（通道数量）。这一过程常被称为维度缩减，有助于模型聚焦于特征的存在性而非其精确像素位置。

实际应用

特征图是现代人工智能应用的引擎室，使系统能够以类人理解力解读视觉数据。

• 医学诊断：在医学图像分析中，模型利用特征图处理X光或MRI扫描图像。初级特征图可能突出显示骨骼轮廓，而更深层的特征图则能识别肿瘤或骨折等异常病灶，协助医生在医疗场景中应用人工智能。
• 自主导航：自动驾驶汽车高度依赖视觉传感器生成的特征地图。 这些地图使车载计算机能够实时区分车道、行人及交通标志，这对自动驾驶车辆的安全运行至关重要。

在Python中处理特征图

虽然特征图是内部结构，但在设计架构时理解其维度至关重要。 以下 PyTorch 示例展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

区分特征图与类似术语有助于避免在模型训练过程中产生混淆：

• 特征图与滤波器：滤波器（或称核）是用于扫描图像的工具，其中包含模型权重。特征图则是该扫描操作的结果。可以将滤波器视为"镜头"，而特征图则是通过该镜头捕捉到的"图像"。
• 特征图与嵌入：虽然两者都代表数据，但特征图通常保留适合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1维向量，它们捕捉语义含义但舍弃空间布局，常用于相似性搜索任务。
• 特征图与激活 函数 ： 特征图中的值需经过 激活函数（如ReLU）处理 以引入非线性特性。该数学运算前后 均存在特征图。

与Ultralytics 的相关性

在YOLO26等先进架构中，特征图在模型的"骨干"和"头部"中发挥着关键作用。骨干网络提取不同尺度（特征金字塔）的特征，确保模型能有效detect 物体。 用户Ultralytics 进行训练时，可直观呈现模型性能表现，并借助准确率、召回率等指标间接评估底层特征图的有效性。优化这些特征图的过程需要基于标注数据集进行大量训练，通常采用特征提取等技术将预训练模型的知识迁移至新任务。