卷积神经网络-理论

Question

对不起，我问这个愚蠢的问题，但经过一番思考，我仍然不明白：

根据乔迪·托雷斯（Jordi Torres，请参阅here），如果我们看一幅28x28 = 784像素的图像，那么一种实现方法是让隐藏层的一个神经元了解输入层的5x5 = 25像素：

但是，正如他解释的那样：

[稍微分析一下我们提出的具体情况，我们注意到，如果我们有一个28×28像素的输入和一个5×5的窗口，这将在第一个隐藏层中定义24×24个神经元的空间，因为我们只能在碰到输入图像的右侧（或底部）边界之前，将窗口向右移动23个神经元，向底部移动23个神经元。我们想向读者指出，我们所做的假设是，当新行开始时，窗口在水平和垂直方向上都向前移动了1个像素。因此，在每个步骤中，新窗口都与前一个窗口重叠，除了我们已经前进的这一行像素。]

我真的不明白为什么我们在第一个隐藏层中需要24x24神经元的空间？因为我采用5x5的窗口（其中784个窗口中有25个像素），所以我认为我们完全需要785/25 = 32个神经元。我的意思是，隐藏层的一个神经元是否不学习25像素的属性？显然不是，但是我真的很困惑。

对不起，我问了这个愚蠢的问题，但经过一番思考，我仍然不明白：根据乔迪·托雷斯（Jordi Torres）（请参阅此处），如果我们查看28x28 = 784像素的图像，到...

Answer 1

您假设非重叠