컨볼 루션 네트워크에서 컨볼 루션 필터 수의 중요성은 무엇입니까?

회선 레이어의 필터 수는 무엇을 전달합니까?
이 수치는 아키텍처의 성능 또는 품질에 어떤 영향을 미칩니 까? 항상 더 많은 수의 필터를 선택해야합니까? 무엇이 좋은가요? 그리고 사람들은 어떻게 다른 레이어에 다른 수의 필터를 할당합니까? 나는이 질문을보고 의미 : CNN에서 회선 연산자의 수를 결정하는 방법?
대답은 필터와 크기가 다른 3 개의 회선 레이어를 지정했습니다.이 질문에서 다시 : 회선 신경망의 기능 맵 수 그림에서 알 수 있듯이 첫 번째 레이어에는 28 * 28 * 6 필터가 있고 두 번째 전환 레이어에는 10 * 10 * 16 필터가 있습니다. 그들은 어떻게이 숫자들을 생각해 냈습니까? 이것은 시행 착오를 통해서입니까? 미리 감사드립니다

회선 레이어의 필터 수는 무엇을 전달합니까? -나는 보통 필터를 기능 탐지기로 생각합니다. 문제 영역에 따라 다르지만, 특징 탐지기의 중요성은 직관적으로 네트워크가 잠재적으로 배울 수있는 특징 (가장자리, 선, 물체 부분 등)의 수입니다. 또한 각 필터는 기능 맵을 생성합니다. 기능 맵을 사용하면 이미지 내 설명 요소를 학습 할 수 있으므로 # 필터가 많을수록 네트워크가 더 많이 학습 할 수 있습니다 (항상 좋은 것은 아닙니다-채도 및 수렴이 가장 중요 함)

이 수치는 아키텍처의 성능 또는 품질에 어떤 영향을 줍니까? -우리는 여전히 DL 블랙 박스 내부에서 일어나는 일을 공식화하려고 노력하고 있기 때문에 이러한 유형의 질문에 대한 좋은 대답을 찾지 못할 것이라고 생각합니다. 직관적으로 다시 한번 필터 뱅크가 많을수록 더욱 강력한 비선형 기능을 배우게되지만 성능은 작업 유형과 데이터 특성에 따라 달라집니다. 일반적으로 아키텍처의 # 매개 변수 (필터 포함)를 결정하기 위해 처리하는 데이터 종류를 알고 싶습니다. 몇 개의 필터가 필요합니까? 내 데이터 세트의 이미지가 (특히) 복잡한 지 묻는 것과 같습니다. # 필터를 성능과 관련시키는 공식적인 개념은 없습니다. 그것은 모든 실험적이고 반복적입니다. 많은 흔적과 오류 보장.