如何确定CNN中卷积运算符的数量?


10

在使用卷积神经网络(CNN)进行计算机视觉任务(例如对象分类)时,该网络具有出色的性能。但是我不确定如何在卷积层中设置参数。例如,在灰度图像(480x480)中,第一卷积层可以使用像的卷积算子11x11x10,其中数字10表示卷积算子的数量。

问题是如何确定CNN中卷积运算符的数量?

Answers:


11

我假设您说的11x11x10意思是您的图层包含10个11x11滤镜。因此,您要做的卷积数量仅为滤波器组中每个滤波器的10个2D离散卷积。因此,假设您有一个网络:

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    

您将要做:多通道2D卷积,每个卷积分别具有1、10和20的深度。如您所见,每个卷积的深度将根据来自上一层的输入体积的深度而变化。10+20+100=130

10+200+2000=2,210

现在,这只是告诉你,你有多少单通道二维卷积做,每一圈也不怎么计算密集型的,每一圈的计算强度将取决于各种参数,包括image_sizeimage_depthfilter_size,你stride(你的每个个体之间的步骤有多远过滤器计算),您拥有的合并层数等。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.