卷积层使用来自数据集的多个滤波器，来实现其主要功能——提取特征或所谓的特征图。
事实上，并非所有滤波器都这么“规矩”，有些滤波器，我们直观上并不能看出其作用。
改变输入的图片，使得某一滤波器格外活跃。
将梯度反向传播到输入层，然后改变某些值，通过BP算法最大化输出值。
边缘滤波器：我们设想一下，如果图片中一个物体具有边缘，那么边缘两侧的颜色差距应该会比较大，且比较突出。利用这个性质，我们可以使用如下的卷积核：
。
利用这个滤波器，我们处理下图这张城市图片可以得到：
边缘滤波器处理一张城市图片，得到的结果及响应区域
可以看出，图片中每个事物的边缘区域都一定程度地得到了相应。而纵使天空颜色有深浅变化，它也被滤波器忽略掉了，可以看出CNN的容错性有多么强大。
转自：https://zhuanlan.zhihu.com/p/44879593
还有各种滤波器可以过滤各种特定参数，横向、纵向等