在灰度图像上使用CNN进行边缘检测,在几个卷积层之后,如何调整完全连接的层的大小,使得输出也是二维图像?
例如,参考下图,我该如何从fully connected
图层转到Output Edge Map
? (参考:Wang,R。2016.神经网络进展2016年ISNN)
我是机器学习的新手。我对CNN的工作方式有了深刻的理解。特别是对于分类问题,我理解(最后)完全连接的层需要产生具有与类别一样多的元素的输出(例如,数字识别任务的输出需要具有大小[10,1]
)。
就我而言,我想用原始图像为CNN提供信息,以便以二进制格式输出其边缘。因此,如果原始图像的大小为[x,y]
,则输出的大小也必须为[x,y]
。但在这里我感到困惑。这是否意味着我完全连接的层的权重矩阵是三维的?即[W] = [N,x,y]
,W
权重矩阵和N
节点数?或者最终得到需要重新整形为[x*y,1]
的一维输出[x,y]
?如果是这样,我首先不会失去使用CNN的好处吗?
我感谢任何有助于我自己搜索的教程的帮助,评论或说明。