卷积神经网络的正确架构是什么？答案

【问题标题】：What is the correct architecture for convolutional neural network?卷积神经网络的正确架构是什么？
【发布时间】：2014-12-13 14:04:25
【问题描述】：

我见过几种不同的卷积神经网络 (CNN) 架构。我很困惑哪一个是标准，我如何决定使用什么。我不会被使用的层数或所涉及的参数数量弄糊涂；我对网络的组件感到困惑。

假设：

CL = 卷积层 SL = 下采样层（池化） CM = 卷积映射 NN = 神经网络 Softmax = softmax 分类器（类似于线性分类器）

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

CL,SL,CL,SL,CM,Softmax
架构 2（最后我们真的需要 NN 吗？） http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5605630&tag=1

CL、SL、CL、SL、NN、Softmax
架构 3 我的想法

CL、SL、CL、SL、Softmax

【问题讨论】：

【解决方案1】：

没有一种千篇一律的 CNN 架构。 CNN 通常旨在有效地捕获输入数据的特征。假设这些特征是分层的，即高级特征由低级特征组成。 CNN 只是一种花哨的特征提取算法，你可以在它上面放置任何你想要的分类器（NN、Softmax 等等）。

所以卷积层用于从输入中提取特征。然后，子采样层缩小图像以降低计算复杂度并使其具有移位不变性。

卷积映射层与通常的卷积层没有什么不同，我不确定这种区分是否常见。实际上，如果您想处理颜色信息，您的输入（到第一个转换层）将不是单个图像，而是多个（例如 3 个）图像，每个图像都是一个单独的特征图。

在 CNN 上使用什么分类器完全取决于您。您可以使用逻辑回归、SVM、NN 或任何其他分类（或回归）算法。

【讨论】：