เมื่อเรียนรู้โครงข่ายประสาทเทียมฉันมีคำถามเกี่ยวกับรูปต่อไปนี้
1) C1 ในเลเยอร์ 1 มีแผนที่คุณลักษณะ 6 รูปแบบนั่นหมายความว่ามีเมล็ดหก convolutional หรือไม่? เคอร์เนล Convolutional แต่ละตัวใช้ในการสร้างแผนที่คุณลักษณะตามอินพุต
2) S1 ในเลเยอร์ 2 มี 6 แผนที่คุณลักษณะ, C2 มี 16 คุณสมบัติแผนที่ กระบวนการดูเหมือนจะได้รับแผนที่คุณลักษณะทั้ง 16 เหล่านี้จากแผนที่คุณลักษณะ 6 แห่งใน S1 หรือไม่
คำตอบ:
1) C1 ในเลเยอร์ 1 มีแผนที่คุณลักษณะ 6 รายการนั่นหมายความว่ามีเมล็ดพืช Convolutional หกเมล็ดใช่หรือไม่ เคอร์เนล Convolutional แต่ละตัวใช้ในการสร้างแผนที่คุณลักษณะตามอินพุต
มีเมล็ด Convolutional 6 เมล็ดและแต่ละอันใช้ในการสร้างแผนที่คุณลักษณะตามอินพุต อีกวิธีที่จะบอกว่านี่คือมีตัวกรอง 6 ตัวหรือชุดของน้ำหนักแบบ 3 มิติซึ่งฉันจะเรียกว่าตุ้มน้ำหนัก สิ่งที่ภาพนี้ไม่แสดงว่ามันควรจะชัดเจนกว่าโดยทั่วไปแล้วรูปภาพจะมี 3 ช่อง ได้แก่ สีแดงสีเขียวและสีน้ำเงิน น้ำหนักที่แมปคุณจากอินพุตถึง C1 มีรูปร่าง / ขนาด 3x5x5 ไม่ใช่แค่ 5x5 น้ำหนัก 3 มิติหรือเคอร์เนลเดียวกันถูกนำไปใช้กับรูปภาพ 3x32x32 ทั้งหมดเพื่อสร้างแผนที่คุณลักษณะ 2 มิติใน C1 ในตัวอย่างนี้มี 6 เมล็ด (แต่ละ 3x5x5) ซึ่งทำให้มีการแมปคุณสมบัติ 6 รายการ (แต่ละ 28x28 เนื่องจากความก้าวหน้าเป็น 1 และการขยายเต็มเป็นศูนย์) ในตัวอย่างนี้แต่ละอันเป็นผลมาจากการใช้เคอร์เนล 3x5x5 ทั่วทั้งอินพุต
2) S1 ในเลเยอร์ 1 มี 6 ฟีเจอร์แมป, C2 ในเลเยอร์ 2 มี 16 ฟีเจอร์แมป กระบวนการดูเหมือนจะได้รับแผนที่คุณลักษณะทั้ง 16 เหล่านี้จากแผนที่คุณลักษณะ 6 แห่งใน S1 หรือไม่
ตอนนี้ทำสิ่งเดียวกันกับที่เราทำในเลเยอร์หนึ่ง แต่ทำเพื่อเลเยอร์ 2 ยกเว้นเวลานี้จำนวนช่องไม่ใช่ 3 (RGB) แต่ 6, หกสำหรับจำนวนแม็พคุณลักษณะ / ฟิลเตอร์ใน S1 ขณะนี้มีเมล็ดที่ไม่ซ้ำกัน 16 รูปร่าง / ขนาด 6x5x5 เคอร์เนลเลเยอร์ 2 แต่ละตัวจะถูกนำไปใช้กับ S1 ทั้งหมดเพื่อสร้างแผนที่คุณลักษณะ 2D ใน C2 สิ่งนี้จะทำ 16 ครั้งสำหรับเคอร์เนลที่ไม่ซ้ำกันในเลเยอร์ 2 ทั้งหมด 16 เพื่อสร้างแม็พฟีเจอร์ 16 ในเลเยอร์ 2 (แต่ละ 10x10 เนื่องจากความก้าวหน้าคือ 1 และการเติมเต็มเป็นศูนย์)
แหล่งที่มา: http://cs231n.github.io/convolutional-networks/