如何选择每个卷积层中的过滤器数量？

Question

构建卷积神经网络时，如何确定每个卷积层中使用的滤波器数量。我知道过滤器的数量没有硬性规定，但根据您阅读的经验/论文等，是否有使用过滤器数量的直觉/观察？

例如（我只是以此为例）：

• 随着网络的深入，使用更多/更少的过滤器。

• 使用大/小内核大小的过滤器

• 如果图像中感兴趣的对象很大/很小，请使用...

Answer 1

正如你所说，对此没有严格的规定。

但你可以从VGG16获得灵感。

每个转换层之间的过滤器数量加倍。 对于内核大小，我通常保持3x3或5x5。

但是，您也可以查看Google的Inception。 他们使用不同的内核大小，然后连接它们。非常有趣。

Answer 2

就我而言，卷积层没有深度。只是几个建议：

1. 在CS231中，他们提到使用3 x 3或5 x 5过滤器，步幅为1或2是一种广泛使用的做法。

2. 其中有多少：取决于数据集。另外，如果数据合适，请考虑使用微调。

3. 数据集将如何反映这一选择？实验问题。

4. 有哪些替代方案？查看Inception和ResNet论文，了解与现有技术水平相近的方法。