卷积神经网络中的特征映射数

Question

我已阅读这篇文章http://www.codeproject.com/Articles/143059/Neural-Network-for-Recognition-of-Handwritten-Di，当我转向这篇文章时： 层＃0：是MNIST数据库中手写字符的灰度图像，填充到29×29像素。输入层中有29x29 = 841个神经元。 层＃1：是具有六（6）个特征映射的卷积层。从第1层到第1层有13x13x6 = 1014个神经元，（5x5 + 1）x6 = 156个权重，1014x26 = 26364个连接。

我们怎样才能从图像上的卷积中获得六（6）个特征图？ 我想我们只得到一张特征图。或者我错了吗？

Answer 1

通过在同一图像上与六个不同的内核进行卷积，可以获得六个要素图。

Answer 2

我正在围绕卷积神经网络进行研究。

在同一张图片上对六个不同的内核（或过滤器）进行卷积，以生成六个要素图。

层＃0：输入29x29像素的图像因此有29 * 29 = 841神经元（输入神经元）

第1层：卷积层使用6个不同的内核（或滤波器），大小为5x5像素，步幅长度为2（移位量，同时使用内核或滤波器进行卷积输入），这些内核与输入图像（29x29）进行卷积，产生6个不同的特征图（13x13）因此13x13x6 = 1014神经元。

过滤器尺寸5x5和偏差（用于重量校正）因此（5x5）+1神经元并且我们有6个核（或滤波器），给出6 * [（5x5）+1] = 156神经元。

在卷积过程中，我们将内核（或过滤器）移动26次（13次水平移动+ 13次垂直移动），最后移动1014 * 26 = 26364次从第0层到第1层的连接。

你应该阅读Y LeCun，L Bottou，Y Bengio撰写的这篇研究论文：Gradient- Based learing applied to document recognition第二节了解卷积神经网络（我建议阅读全文）。

另一个可以找到CNN详细解释和python实现的地方是here。如果您有时间我建议浏览本网站以获取有关深度学习的更多详细信息。

谢谢。