feature map（特征图）：在机器学习/计算机视觉中，常指卷积神经网络（CNN）等模型中某一层的输出二维（或多维）表示，用来展示或编码输入中被检测到的局部特征（如边缘、纹理、形状等）。在深层网络里也常称为激活图（activation map）。
（该词在其他领域也可泛指“突出显示某些特征的地图/图示”，但最常见用法在深度学习中。）
/ˈfiːtʃər mæp/
The CNN produces a feature map after the first convolution.
CNN 在第一次卷积后会生成一张特征图。
By visualizing the feature maps across different layers, we can see how the network gradually shifts from detecting simple edges to capturing higher-level shapes and object parts.
通过可视化不同层的特征图，我们可以看到网络如何逐步从检测简单边缘过渡到捕捉更高层次的形状与物体部件。
feature 源自古法语 feature（形状、外观），再追溯到拉丁语 factura（制作、构造）；map 源自中世纪拉丁语 mappa（布、地图）。合在一起，“feature map”字面义是“把特征映射/呈现出来的图”，在深度学习语境中引申为“把输入特征以矩阵/张量形式显示的输出表示”。
Select Language