1，垂直邊緣檢測過濾器

1    0    -1

1    0    -1

1    0    -1

2，水平邊緣檢測過濾器

1    1    1

0    0    0

-1    -1    -1

過濾器一般是奇數的，保證有一箇中心點

在卷積神經網路中，把這些過濾器中的引數看成是未知的，通過反向傳播，學習出過濾器中的引數。

3，padding，

可以保持影象的邊緣資訊，保持影象大小不變。卷積後的影象大小為n+2p-f+1

valid convolution: 沒有pading。

same convolution:新增padding 使得影象大小不變。

4，卷積步長，stride

加入步長後， 影象大小為：round down( (n+2p -f)/s + 1)

5，對GRB影象的卷積（立方體的卷積）

filter也需要使用3個通道的，每個通道一個過濾器

運算結束之後得到一個二維的結果。

輸出結果的深度數與過濾器的數目相等。這樣就可以檢測到多個特徵，每個過濾器對應一個特徵。