在CNN中选择过滤器大小，步幅等？

我一直在看斯坦福大学的CS231N讲座，我正在努力解决CNN架构中的一些问题。我要了解的是，是否存在一些用于选择卷积滤波器大小和步幅之类的通用准则，或者这是一门艺术而非一门科学？

据我了解，合并的存在主要是为了将某种形式的翻译不变性引入模型中。另一方面，我对如何选择步幅没有很好的直觉。除了试图压缩当前的层大小或试图为神经元获得更大的接受野外，还有其他指导方针吗？任何人都知道讨论此问题的好论文或类似文章吗？

作为您提出的所有问题的介绍性文本，我将推荐深度学习书。它提供了该领域的广泛概述。它解释了这些参数各自发挥的作用。

我认为阅读一些最流行的体系结构（resnet，inception，alex-net）并提取导致设计决策的关键思想非常有帮助。看完上述书后。

在您参考的课程提纲中，将对卷积层如何添加大量参数（权重，偏差）和神经元进行详细说明。一旦经过训练，该层就可以从图像中提取含义模式。对于较低的层，这些滤镜看起来像边缘提取器。对于较高的层，将这些原始形状组合起来以描述更复杂的形式。这些过滤器涉及大量参数，这是深度网络设计中的一个大问题，即如何能够描述复杂的形式并且仍然能够减少参数的数量。

由于相邻像素之间具有很强的相关性（特别是在最低层），因此通过对滤波器响应进行二次采样（合并）来减小输出大小是有意义的。两个像素彼此之间的距离越远，相关性越小。因此，汇聚层中的大步前进会导致较高的信息丢失。松散地说。池化步长为2，内核大小为2x2是常见选择。

一种更复杂的方法是Inception网络（通过卷积进行更深入的研究），其思想是通过交换卷积层中的参数数量与用于更深层网络的Inception 模块的交易来增加稀疏性，但仍然能够实现更高的准确性。

SqueezeNet是一篇不错的论文，它以结构化，系统的方式提供了有关当前体系结构和某些设计维度的作用的提示：SqueezeNet：AlexNet级别的精度，参数减少了50倍，模型尺寸小于0.5MB。它建立在前面提到的模型中引入的思想的基础上。

如果您考虑在学习过程中更好地学习，我想建议这些内核大小和步幅；

关于滤镜大小，我认为这取决于您的图像特性。例如，网络识别对象需要大量像素，可以使用较大的滤镜，另一方面，如果对象较小或具有局部特征，则可以考虑相对于输入图像大小应用较小的滤镜。

对于步幅大小，对我而言，小步幅会更好地捕获输入图像的精细细节。

对我来说，合并的好处是它可以提取图像的最清晰特征。通常，最清晰的功能看起来像图像的最佳低层表示。