卷積層通道數大小的問題
2019/12/21 下午 02:17
機器學習共學討論版
BC Kung
觀看數：66
回答數：2
收藏數：0
ml100-3
ml100-3-d96
各位專家好:
本周的投影片的第三頁有這句話：
影像經過卷積後稱作特徵圖(feature map)，經過多次卷積層後，特徵圖的尺吋(width, height)
會越來來越小，但是通道數(Channel) 則會越來來越大
有以下兩個要點，不知道我這樣子理解是否正確??
- 經過多次卷基層後，特徵圖的尺寸越來越小
原因是CNN網路中，一個Convolution layer 會伴隨一個 Pooling layer，所以特徵圖繪越來越小
- 通道數(Channel) 則會越來越大??
是因為每層的 Filters 數目會越來越多嗎?? 就我所知，每一個filter作用圖片產生的 feature map，通通疊起來，會產生一個3d 的特徵圖，做為下一層 Convolution 的輸入，不知道這樣子理解是否正確?
回答列表
-
2019/12/21 下午 03:34楊哲寧贊同數：1不贊同數：0留言數：0
1.關於第一題，其實Convolution後不一定要接Pooling層，但Pooling確實可以用來縮小Feature Map尺寸，除此之外Strides大於1的卷積或沒有Padding 的卷積都可以用來縮小feature Map，當然我們也可以設計一個都沒有pooling 層的Model，只靠Convolution層來縮小尺寸。
2.是的，通常淺層feature Map還很大時，我們不會使用太多filters，隨著模型越深，通常會越用越多，藉以使用更多參數萃取更多細微的特徵。
-
2019/12/22 上午 09:16Jeffrey贊同數：0不贊同數：0留言數：0