컨볼 루션 뉴럴 네트워크의 기능 맵 수


16

컨볼 루션 신경망을 배울 때 다음 그림에 관한 질문이 있습니다.

1) 레이어 1의 C1에는 6 개의 기능 맵이 있습니다. 6 개의 컨볼 루션 커널이 있습니까? 각 컨볼 루션 커널은 입력을 기반으로 기능 맵을 생성하는 데 사용됩니다.

2) 레이어 2의 S1에는 6 개의 기능 맵이 있고 C2에는 16 개의 기능 맵이 있습니다. S1에서 6 개의 기능 맵을 기반으로이 16 개의 기능 맵을 얻는 프로세스는 어떻습니까?

여기에 이미지 설명을 입력하십시오

답변:


13

1) 레이어 1의 C1에 6 개의 기능 맵이 있습니다. 6 개의 컨볼 루션 커널이 있습니까? 각 컨볼 루션 커널은 입력을 기반으로 기능 맵을 생성하는 데 사용됩니다.

6 개의 컨볼 루션 커널이 있으며 각각은 입력을 기반으로 기능 맵을 생성하는 데 사용됩니다. 이것을 말하는 또 다른 방법은 6 개의 필터 또는 3D 가중치 세트가 있는데 가중치라고 부릅니다. 이 이미지에서 보이지 않는 것은 아마도 더 명확하게하기 위해 일반적으로 이미지에 빨강, 녹색 및 파랑과 같은 3 개의 채널이 있다는 것입니다. 따라서 입력에서 C1로 매핑하는 가중치는 5x5뿐만 아니라 모양 / 치수 3x5x5입니다. 동일한 3 차원 가중치 또는 커널이 전체 3x32x32 이미지에 적용되어 C1에서 2 차원 피처 맵을 생성합니다. 이 예에는 6 개의 커널 (각 3x5x5)이 있으므로이 예에서는 6 개의 기능 맵 (보폭이 1이고 패딩이 0이므로 각 28x28)을 작성합니다.이 각각은 입력에 3x5x5 커널을 적용한 결과입니다.

2) 레이어 1의 S1에는 6 개의 기능 맵이 있고 레이어 2의 C2에는 16 개의 기능 맵이 있습니다. S1에서 6 개의 기능 맵을 기반으로이 16 개의 기능 맵을 얻는 프로세스는 어떻습니까?

이제 레이어 1에서했던 것과 동일한 작업을 수행하지만 이번에는 채널 수가 3 (RGB)이 아니라 6, 6, S1의 기능 맵 / 필터 수에 대해 6, 6을 제외하고 레이어 2에 대해 수행합니다. 각각 모양 / 차원 6x5x5의 16 개의 고유 한 커널이 있습니다. 각 계층 2 커널은 모든 S1에 적용되어 C2에서 2D 기능 맵을 생성합니다. 이는 계층 2의 16 개 기능 맵을 생성하기 위해 계층 2의 모든 고유 커널에 대해 16 번 수행됩니다 (스트라이드가 1이고 패딩이 0이므로 각 10x10).

출처 : http://cs231n.github.io/convolutional-networks/

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.