0.
$ \ begingroup $

我正在研究U-Net CNN架构。我是CNNS的新手,并且对“渠道数量”很困惑。

参考U-Net图,输入图像与3x3掩模卷积,该屏蔽产生570x570输出。必威电竞然后,该输出图像再次通过3x3掩模复活,以产生568 x 568信号。必威电竞但是,64的对应剂对应了什么?

U-Net说了一些关于多通道特征映射的东西。但是如何通过3x3掩码卷积图像的方式导致“64”。必威电竞

在此输入图像描述

新贡献者
Izzo.是这个网站的新贡献者。注意要求澄清,评论和回答。必威电竞看看我们的行为守则
$ \ endgroup $
2
  • $ \ begingroup $ 相关问题可能帮助您更好地了解(多通道)CNN的结构和功能。 $ \ endgroup $-乐兵 22小时前
  • $ \ begingroup $ @Legammler那么我如何解释U-Net图。该架构声明了一组64卷积掩模,我们正在尝试调整。必威电竞因此,卷曲具有64个掩模的单个灰度图像将产生64个新信号。必威电竞然而,第二件64让我感到困惑。如果我们要重复这项操作,我们为什么还有64个频道?我们不会得到64 x 64频道吗? $ \ endgroup $-Izzo. 16小时前
1
$ \ begingroup $

在此示例中,您的灰度图像大小为572x572和1(灰色)频道。第一个卷积操作由64个尺寸3x3滤波器组成每个过滤器1通道。过滤器的通道始终适合上一层的通道大小(此处:输入)。在此显式架构的第二个卷积步骤中,您再次使用64个尺寸3x3过滤器。在这种情况下,这些过滤器中的每一个都包括64频道根据以前的输出(64个特征地图/频道)。第二卷积的输出由64个特征映射组成,根据第二卷积中的64个过滤器的量。这个视频来自Andrew NG完全可视化它。

新贡献者
乐兵是这个网站的新贡献者。注意要求澄清,评论和回答。必威电竞看看我们的行为守则
$ \ endgroup $
1
  • $ \ begingroup $ 我觉得我明白了。The First Convolution专题64,3 x 3 x 1筛选器要生成输出的expects 64,3 x 3 x 64滤波器导致568 x 568 x 64的输出。我现在了解算术,读书时绝对不明显。 $ \ endgroup $-Izzo. 4小时前

你的答案

Izzo.是一个新的贡献者。很好,看看我们的行为守则

点击“发布答案”,您同意我们的同意服务条款隐私政策Cookie政策

不是您要找的答案?浏览其他标记的问题必威英雄联盟或者必威电竞问你自己的问题