Question

您好，我是CNN的新手，最近我正在研究此解决方案。作者绘制了他的小组设计的网络表。单位，过滤器和步幅对我来说都是有意义的，但我只是不知道“大小”是什么意思。是更可能表示批处理大小还是图像大小？

我认为一开始应该是图像大小，但是有两个原因不应该：

正如他们在报告中所描述的，他们只是将原始图像裁剪为128x128、256x256、512x512像素，并且没有进行任何其他图像预处理。
（从Github链接）阅读了他们的代码后，我发现他们对InputLayer的设置是：
```
(InputLayer, {'shape': (None, 3, cnf['w'], cnf['h'])}),
```
确认其比赛报告中的描述。

因此，我认为输入大小应为3x128x128，而不是448。

这是我的问题：

1。如果输入的图像尺寸不是448，那么448是什么意思？

2。如果这表示批次大小，为什么他们会选择448？和

3。为什么他们要让批处理大小从第一层减小到19层（基本上为/ 2）到224 111 56 27 13 6 2？

Answer 1

linked table的 size 列是指层中激活的垂直和水平尺寸。

这些是仓库中表中网络的完整配置：

这两个都具有输入宽度和高度448，即。输入层的大小是448。

我们可以使用以下公式计算卷积层激活的垂直和水平尺寸：

ACTIVATION_SIZE = (INPUT_SIZE − FILTER_SIZE + PADDING_PREV + PADDING_AFTER) / STRIDE + 1

我们可以从上面链接的网络配置中获取输入大小，过滤器大小和步幅参数。由于他们使用的是Lasagne的早期开发版本，因此很难确切知道他们正在使用哪种填充，因此我们将不得不在其中进行一些假设。

对于网络A：

INPUT_SIZE = 448
FILTER_SIZE = 5
STRIDE = 2

如果PADDING_PREV = 2和PADDING_AFTER = 1（或相反），则使用上方的公式将解析为224的激活大小。由于根据它们的表，第一卷积层的大小为224，因此可以确定我们正确解释了这些参数。

对于网络B：

INPUT_SIZE = 448
FILTER_SIZE = 4
STRIDE = 2

如果两个填充均为1，则激活大小为224，如表中所示。

最后，作者报告了其512x512图像网络的体系结构，并省略了将这些图像调整为448x448分辨率的细节以及它们如何应用填充的细节。这是计算机视觉社区的惯例，人们可以始终依靠上述公式来验证这些细节。