卷积神经网络 - 关于卷积层中通道数的困惑

Question

我正在通过 Coursera 中 Andrew Ng 的深度学习课程学习卷积神经网络。

根据我在讲座中的理解，卷积层中的通道数将等于过滤器的数量或我们正在检测的特征数。

如讲座示例所示：

如果我们有

输入：(6 x 6 x 3)

过滤器：（3 x 3 x 3 ）（2 个这样的过滤器）

通过卷积，我们得到：

输出：(6 x 6 x 3) * ( 3 x 3 x 3) = (4 x 4 x 2)

（由于我们有两个过滤器，因此输出通道数为 2）。

如果是这样，那么 (32 x 32 x 3) 输入如何由 5 的过滤器 和 步长 1 卷积输出(28 x 28 x 8) 卷积层，其中输出通道数为 8。

输出通道不应该等于过滤器的大小，这里是5吗？

或者这里的输出通道数是8，因为有8个特征正在被检测？

如果您能帮助我理解示例中输出通道数是如何得到 8 的，将不胜感激。

谢谢！