Calcule dimensão dos mapas de características na rede neural convolutional

votos
3

Tenho rede neural convolutional em Keras. Eu preciso saber as dimensões dos mapas de características em cada camada. Minha entrada é de 28 por pixel de imagem 28. Eu sei que há uma maneira de calcular isso eu não sei como. Abaixo está o meu trecho de código usando Keras.

img_rows, img_cols = 28, 28
nb_filters = 32
nb_pool = 2
nb_conv = 3

model = Sequential()

model.add(Convolution2D(nb_filters, nb_conv, nb_conv, border_mode='valid', input_shape=(1, img_rows, img_cols)))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, nb_conv, nb_conv))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))
model.add(Dropout(0.25))

model.add(Convolution2D(64, nb_conv, nb_conv, border_mode='valid'))
model.add(Activation('relu'))
model.add(Convolution2D(64, nb_conv, nb_conv))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(nb_pool, nb_pool)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))


model.add(Dense(nb_classes))
model.add(Activation('softmax'))

O

No final do dia, é isso que eu quero chamar. Obrigado.

Publicado 12/01/2016 em 06:54
fonte usuário
Em outras línguas...                            


1 respostas

votos
2

Confira este artigo.

Fórmula para o tamanho do espaço do volume de saída: K * ((W-F + 2P) / S + 1) , em que W - tamanho do volume de entrada, F o tamanho receptivo campo dos neurónios da camada Conv, S - o passo com o qual eles são aplicados, P - a quantidade de preenchimento com zeros utilizado na fronteira, K - a profundidade da camada de conv.

Respondeu 12/01/2016 em 07:08
fonte usuário

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more