CNN에서 컨볼 루션 연산자의 수를 결정하는 방법은 무엇입니까?


10

CNN (Convolutional Neural Networks)을 사용한 객체 분류와 같은 컴퓨터 비전 작업에서 네트워크는 매력적인 성능을 제공합니다. 그러나 컨볼 루션 레이어에서 매개 변수를 설정하는 방법을 잘 모르겠습니다. 예를 들어, 그레이 스케일 이미지 ( 480x480) 인 제 1 컨볼 루션 레이어는와 같은 컨벌루션 연산자를 사용할 수 있으며 11x11x10, 여기서 숫자 10 은 컨볼 루션 연산자의 수를 의미한다.

문제는 CNN에서 컨볼 루션 연산자의 수를 결정하는 방법입니다.

답변:


11

나는 당신이 말할 때 11x11x1010, 11x11 필터가있는 레이어를 가지고 있다고 가정합니다 . 따라서 컨볼 루션 수는 필터 뱅크의 필터 당 10, 2D 이산 컨볼 루션입니다. 네트워크가 있다고 가정 해 봅시다.

480x480x1    # your input image of 1 channel
11x11x10     # your first filter bank of 10, 11x11 filters
5x5x20       # your second filter bank of 20, 5x5 filters
4x4x100      # your final filter bank of 100, 4x4 filters    

: 당신은 일을 할 겁니다 다중 채널 2 차원 회선 각각 1, 10, 20의 깊이로 각각. 보시다시피, 각 회선의 깊이는 이전 레이어의 입력 볼륨 깊이의 함수로 변경됩니다.10+20+100=130

그러나 이것을 단일 채널 2D 컨벌루션과 비교하는 방법을 찾으려고한다고 가정했습니다. 음, 각 입력 볼륨의 깊이에 각 레이어의 필터 수를 곱하고 함께 더할 수 있습니다. 귀하의 경우 : .10+200+2000=2,210

지금은 각 회선은 어떻게하지 연산 집약적, 일을하는지 얼마나 많은 단일 채널 2D 회선을 알려줍니다, 각 회선의 계산 강도는 다음과 같은 다양한 매개 변수에 따라 달라집니다 image_size, image_depth, filter_size당신 stride(당신은 각각의 사이에 단계 얼마나 필터 계산), 가지고있는 풀링 레이어 수 등

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