컨벌루션 신경망의 올바른 아키텍처는 무엇입니까?

Question

나는 convolutional neural network (CNN)을위한 몇몇 다른 구조를 보았다. 어느 것이 표준인지 혼란스럽고 어떻게 사용할지 결정합니다. 나는 사용되는 레이어의 수나 매개 변수의 수에 혼란스럽지 않다. 네트워크의 구성 요소에 혼란 스럽습니다.

가정 해 봅시다 : (선형 분류와 유사)

CL = 회선 계층 SL = 서브 샘플링 층 (풀링) CM = 회선지도 NN = 신경망 소프트 맥스 = softmax를 분류를

1. 건축 1 https://www.youtube.com/watch?v=n6hpQwq7Inw

   CL, SL, CL, SL, CM, 소프트 맥스

2. 아키텍처 2 (우리가 정말 다시 말 NN가 필요하십니까?) http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5605630&tag=1

   CL, SL, CL, SL, NN, 소프트 맥스

3. 아키텍처 3 내 생각

   CL, SL, CL, SL, Softmax

Answer 1

단일 크기 맞춤형 CNN 아키텍처는 하나도 없습니다. CNN은 대개 입력 데이터의 기능을 효율적으로 캡처하도록 설계됩니다. 이러한 기능은 계층 적이라고 가정합니다. 즉, 상위 수준 기능은 하위 수준 기능으로 구성됩니다. CNN은 그냥 멋진 기능 추출 알고리즘입니다, 당신은 당신이 그것 (NN, Softmax, 무엇이든) 위에 원하는 분류자를 넣을 수 있습니다.

그래서 컨볼 루션 레이어는 입력에서 피쳐를 추출하는 데 사용됩니다. 서브 샘플링 레이어는 계산 복잡도를 줄이고 시프트 불변으로 만들기 위해 이미지의 크기를 줄입니다.

컨볼 루션 맵 레이어는 일반적인 길쌈 레이어와 다르지 않습니다.이 구분을 만드는 것이 일반적인 지 잘 모르겠습니다. 실제로 색상 정보를 처리하려는 경우 첫 번째 변환 레이어에 대한 입력은 단일 이미지가 아니라 여러 개의 (예 : 3 개) 이미지가 각각 별도의 기능 맵이됩니다.

CNN에서 사용할 분류 기준은 전적으로 귀하에게 달려 있습니다. 로지스틱 회귀, SVM, NN 또는 다른 분류 (또는 회귀) 알고리즘을 사용할 수 있습니다.