Come determinare il numero di operatori convoluzionali nella CNN?

Nell'attività di visione artificiale, come la classificazione degli oggetti, con Convolutional Neural Networks (CNN), la rete offre prestazioni interessanti. Ma non sono sicuro di come impostare i parametri in strati convoluzionali. Ad esempio, un'immagine in scala di grigi ( 480x480), il primo livello convoluzionale può usare un operatore convoluzionale come 11x11x10, dove il numero 10 indica il numero di operatori convoluzionali.

La domanda è: come determinare il numero di operatori convoluzionali nella CNN?

Suppongo che quando dici 11x11x10che intendi che hai un livello con 10, filtri 11x11. Quindi il numero di convoluzioni che farai è semplicemente 10, convoluzione discreta 2D per filtro nel tuo banco di filtri. Quindi, supponiamo che tu abbia una rete:

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    

Farai: convoluzioni 2D multicanale ciascuna con una profondità rispettivamente di 1, 10 e 20. Come puoi vedere, la profondità di ogni convoluzione cambierà in funzione della profondità del volume di input dal livello precedente.$10 + 20 + 100 = 130$

Ma ho supposto che tu stia cercando di capire come confrontare questo con una convoluzione 2D a canale singolo. Bene, potresti semplicemente moltiplicare la profondità di ciascun volume di input per il numero di filtri in ogni livello e sommarli. Nel tuo caso: .$10 + 200 + 2000 = 2,210$

Ora questo dice solo quanti singolo canale 2D circonvoluzioni che stai facendo, non come computazionalmente intensive ogni spira è, l'intensità computazionale di ogni spira dipenderà da una serie di parametri tra cui image_size, image_depth, filter_size, il vostro stride(fino a che punto l'utente passo tra ogni individuo calcolo del filtro), il numero di livelli di pool disponibili, ecc.