The figure shows two layers of a CN

The figure shows two layers of a CNN. Layer m-1 contains four feature maps. Hidden layer m contains two feature maps ( and ). Pixels (neuron outputs) in and (outlined as blue and red squares) are computed from pixels of layer (m-1) which fall within their 2x2 receptive field in the layer below (shown as colored rectangles). Notice how the receptive field spans all four input feature maps. The weights and of and are thus 3D weight tensors. The leading dimension indexes the input feature maps, while the other two refer to the pixel coordinates.

ผลลัพธ์ (ไทย) 1:

ตัวเลขแสดงชั้นสองของซีเอ็นเอ็น ชั้นม. 1 ประกอบด้วย 4 คุณลักษณะแผนที่ ซ่อนชั้น m ประกอบด้วยสองคุณลักษณะแผนที่ (และ) พิกเซล (แสดงผลเซลล์ประสาท) (เค้าร่างเป็นสี่เหลี่ยมสีน้ำเงิน และสีแดง) และในเป็นคำนวณจากพิกเซลของชั้น (m-1) ซึ่งอยู่ภายในตัว 2 x 2 ครอบครัวฟิลด์ในชั้นล่าง (แสดงเป็นรูปสี่เหลี่ยมสี) โปรดสังเกตว่า ฟิลด์ครอบครัวครอบคลุมทั้งหมดสี่คุณลักษณะการป้อนข้อมูลแผนที่ น้ำหนักและ tensors 3D น้ำหนักจึงจะ มิติชั้นนำดัชนีแผนที่คุณลักษณะอินพุต ในขณะที่อีกสองถึงพิกัดพิกเซล

ผลลัพธ์ (ไทย) 2:

รูปที่แสดงให้เห็นถึงสองชั้นของซีเอ็นเอ็น ชั้นม. 1 มีสี่แผนที่คุณลักษณะ เมตรชั้นที่ซ่อนอยู่มีสองแผนที่คุณลักษณะ (และ) พิกเซล (เอาท์พุทเซลล์ประสาท) และ (ที่ระบุไว้เป็นสี่เหลี่ยมสีฟ้าและสีแดง) จะคำนวณจากพิกเซลชั้น (m-1) ซึ่งตกอยู่ในสนามของพวกเขาเปิดกว้าง 2x2 ในชั้นด้านล่าง (แสดงเป็นรูปสี่เหลี่ยมสี) ขอให้สังเกตว่าเขตเปิดกว้างครอบคลุมทั้งสี่แผนที่คุณลักษณะการป้อนข้อมูล น้ำหนักและน้ำหนักและ 3D จึงเทนเซอร์ ชั้นนำดัชนีมิติแผนที่คุณลักษณะการป้อนข้อมูลในขณะที่อีกสองหมายถึงพิกัดพิกเซล

ผลลัพธ์ (ไทย) 3:

รูปแสดงสองชั้นของซีเอ็นเอ็น ชั้น M - 1 มี 4 คุณลักษณะแผนที่ ซ่อนชั้น M มี 2 แผนที่คุณลักษณะ ( และ ) พิกเซล ( 2 เซลล์ ) และ ( ระบุเป็นสีฟ้าและสี่เหลี่ยมสีแดง ) จะคำนวณจากจำนวนพิกเซลของชั้น ( m-1 ) ซึ่งอยู่ในเขตของ 2x2 อ่อนไหวในชั้นด้านล่าง ( แสดงเป็นสี่เหลี่ยมสี ) แจ้งให้ทราบว่าสนามเปิดกว้างครอบคลุมทั้งสี่ใส่คุณลักษณะแผนที่น้ำหนักและน้ำหนักจึงเป็น 3D และสั่ง . บริษัทมิติดัชนีข้อมูลคุณลักษณะแผนที่ ส่วนอีกสองพิกเซล
อ้างถึงพิกัด