MTCNN 部分理解

本人是深度学习初学者,本文仅仅是自己对文章的一些个人理解,内容很可能有错,请仔细甄别。

1. P-Net理解。

 

       如上图,该层网络是将12x12x3的图片作为layer1的输入,经过卷积计算后生成5x5x10的特征图。第一次看到这没有完全理解12x12x3是如何变成5x5x10的,通过查找资料,基本明白了其中的计算过程,个人理解如下:

      layer1的输入是12x12x3,卷积核大小为3x3x3,一共用了10个卷积核,卷积完之后应该是10x10x10的特征图,再经过2x2的池化进行降维最终变成了5x5x10的特征图。

      layer2同理,输入为5x5x10,卷积核大小为3x3x10,卷积核数量是16,该层没有经过池化操作,所以最终生成了3x3x16的特征图。

      layer3同理,输入为3x3x16,卷积核大小为3x3x16,卷积核数量是32,该层没有经过池化操作,所以最终生成了1x1x32的特征图。

      layer4,输入为1x1x32,给了两组不同的卷积核,第一组卷积核大小为1x1x32,卷积核数量为2,

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值