1

我有 MxN RGB 图像。所以这里没有。颜色通道数将为 3(r,g,b)。现在我想构建一个 CNN 模型。所以没有神经元输入神经元将是 MxN。让我们有 nxn 感受野。所以第一个隐藏层中的神经元没有将是 (M-n+1)x(M-n+1)。所以我的问题是:

  1. 我怎么能决定不。输入图像和第一个隐藏层之间的特征映射等等?
  2. 特征图如何与特征通道连接?它们在特征通道和颜色通道之间有什么关系吗?

我是 CNN 的新手。接受任何类型的回复。

4

1 回答 1

1

答案 1:任何层中的特征图数量是您可以调整的参数。通过这些参数的不同值(特征图的数量),模型最终将学习不同类型的低级和高级特征。确定特征图数量的最佳方法是尝试不同的值并检查准确性(或将其可视化)。

答案 2:一般来说,前一层的特征图(比如 L1 的特征图数量)被认为是 L1 通道图像,并与有效的内核(也是 L1 通道内核)进行卷积,得到下一层的单个特征图. 如果你想在下一层有 L2 数量的特征图,你基本上必须有 L2 数量的不同内核(那些 L1 通道内核)。这适用于所有卷积层。

希望能帮助到你!

于 2016-02-02T16:19:08.513 回答