컨볼 루션 신경망의 컨볼 루션 부분을 이해하려고합니다. 다음 그림을 보면 :
4 개의 다른 커널 (크기 ) 이있는 첫 번째 회선 레이어를 이해하는 데 아무런 문제가 없습니다. 크기 는 입력 이미지와 함께 4 개의 기능 맵을 얻습니다.
내가 이해하지 못하는 것은 4 개의 기능 맵에서 6 개의 기능 맵으로 이동하는 다음 회선 레이어입니다. 이 계층에 6 개의 커널 (결과적으로 6 개의 출력 기능 맵 제공)이 있다고 가정하지만 이러한 커널은 C1에 표시된 4 개의 기능 맵에서 어떻게 작동합니까? 커널은 3 차원입니까, 아니면 2 차원이며 4 개의 입력 기능 맵에서 복제됩니까?
1
나는 같은 곳에 갇혀있다. 불행히도 Yann Lecun의 논문은 그 사실을 설명하지 않습니다. 지난 며칠 동안 몇 가지 PDF와 비디오를 보았으며 모두가 그 부분을 건너 뛰는 것처럼 보입니다. Yann Lecun의 논문은 실제로 계층 2의 매핑 테이블을 사용하여 6 ~ 16 개의 피쳐 맵에 대해 이야기합니다. 첫 번째 출력 피쳐 맵은 0,1,2 개의 입력 피쳐 맵에서 입력을받습니다. 그러나 출력 기능 맵은 10 x 10이고 3 개의 입력 기능 맵은 14 x 14입니다. 그러면 어떻게 작동 했습니까? 무슨 일이 있었는지 이해 했습니까? 3D 커널입니까? 또는 location * kernel (convolution)의 출력을 평균화합니까?
—
Run2