卷積神經網絡的正確架構是什麼？

Question

我已經看到了幾種不同的卷積神經網絡架構（CNN）。我很困惑哪一個是標準的，我該如何決定使用什麼。我不會因爲使用的圖層數量或涉及的參數數量而感到困惑;我對網絡的組件感到困惑。

讓假設：

CL =卷積層SL =子採樣層（池）CM =卷積地圖NN =神經網絡使用SoftMax = SOFTMAX分類器（類似於線性分類器）

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

   CL，SL，CL，SL，CM，使用SoftMax

2. 架構2（我們真的需要NN在最後一次？） http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5605630&tag=1

   CL，SL，CL，SL，NN，SOFTMAX

3. 建築3 我的想法

   CL，SL，CL， SL，Softmax

Answer 1

有沒有一個單一的大小適合所有的CNN架構。 CNN通常旨在有效捕獲輸入數據的特徵。假定這些功能是分層的，即高層功能是由低層功能組成的。 CNN只是一種奇特的特徵提取算法，你可以在其上放置任何分類器（NN，Softmax等等）。

因此，卷積層用於從輸入中提取特徵。然後，子採樣層會縮小圖像以減少計算複雜度並使其不移動。

卷積圖層與通常的卷積圖層沒有什麼不同，我不確定這種區別是否很常見。實際上，如果你想處理顏色信息，你的輸入（到第一個轉換層）將不是一個圖像，而是幾個（例如3個）圖像，每個圖像都是一個單獨的特徵圖。

在CNN上使用什麼分類器完全取決於您。您可以使用Logistic迴歸，SVM，NN或任何其他分類（或迴歸）算法。