machine-learning - Capsule Networks - 面部表情识别

Question

我想在 FER 上试验胶囊网络。目前我使用 fer2013 Kaggle 数据集。

在 Capsule Net 中我不明白的一件事是在第一个转换层中，大小减小到 20x20 - 输入图像为 28x28，过滤器为 9x9，步幅为 1。但在胶囊中，尺寸减小到 6x6。这怎么发生的？因为输入大小为 20x20，过滤器为 9x9 和 2 步长，所以我无法得到 6x6。也许我错过了什么。

对于我的实验，输入图像大小为 48x48。我应该在开始时使用相同的超参数还是有任何我可以使用的建议超​​参数？

Answer 1

一开始，图片是28*28，你应用了大小为9的内核，所以你损失了(9-1)个像素。 (每侧 4 个)。因此，在第一个卷积层的末尾，您有 (28-8)*(28-8)=20*20 像素，并且应用相同的内核，因此，(20-8)*(20-8) =12*12。但第二层的步幅为 2，因此只剩下 12/2=6 像素。

对于 48*48 像素，如果应用相同的卷积层，最终将得到 16*16 的图片。 ((48-8-8)/2)