machine-learning - 卷积神经网络如何连接到多层感知器？

Question

进行哪种操作以从 9x9 滤波器生成输出，并将该输出作为 MLP 的输入传递。

Answer 1

在最后一个卷积层之后，您将拥有 N 个特征图，分辨率为 WxH。如果您连接所有值，则可以将其视为大小为 NxWxH 的特征向量 X。

这就是将其连接到 MLP 的方式:即 X 充当 nb 线性变换的输入。 rows = MLP 输出和 nb。列 = NxWxH。

示例:具有 2 个卷积层 (x) 的简单卷积网络 traffic sign recognition给出:

• 输入:3 个 channel ，宽度=32，高度=32
• 第 1 层:108 个特征图，宽度=14，高度=14
• 第 2 层:200 个特征图，宽度=5，高度=5
• 具有 100 个隐藏单元和 43 个输出类别的 2 层分类器

因此，要将其连接到最终的 MLP，您需要将第 2 层的输出 reshape 为 200x5x5=5000 个元素的向量。

该向量成为大小为 100(行)x 5000(列)的线性变换的输入。

(x) 卷积核大小 = 5，空间池大小 = 2。