3

我见过几种不同的卷积神经网络 (CNN) 架构。我很困惑哪一个是标准，我如何决定使用什么。我不会被使用的层数或所涉及的参数数量弄糊涂；我对网络的组件感到困惑。

假设：

CL = 卷积层 SL = 下采样层（池化） CM = 卷积映射 NN = 神经网络 Softmax = softmax 分类器（类似于线性分类器）

  1. 架构 1 https://www.youtube.com/watch?v=n6hpQwq7Inw

    CL,SL,CL,SL,CM,Softmax

  2. 架构 2（最后我们真的需要 NN 吗？） http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5605630&tag=1

    CL、SL、CL、SL、NN、Softmax

  3. 建筑 3 我的想法

    CL、SL、CL、SL、Softmax

4

1 回答 1

4

没有一种万能的 CNN 架构。CNN 通常旨在有效地捕获输入数据的特征。假设这些特征是分层的，即高层特征由低层特征组成。CNN 只是花哨的特征提取算法，你可以在它上面放置任何你想要的分类器（NN、Softmax 等等）。

因此卷积层用于从输入中提取特征。然后，子采样层缩小图像以降低计算复杂度并使其具有移位不变性。

卷积映射层与通常的卷积层没有什么不同，我不确定这种区分是否常见。实际上，如果您想处理颜色信息，您的输入（到第一个转换层）将不是单个图像，而是几个（例如 3 个）图像，每个图像都是一个单独的特征图。

在 CNN 上使用什么分类器完全取决于您。您可以使用逻辑回归、SVM、NN 或任何其他分类（或回归）算法。

于 2014-10-18T08:10:33.573 回答