卷积神经网络（CNN）的细节问题（滤波器的大小选择）

0. 滤波器的大小选择

• 大部分卷积神经网络都会采用逐层递增（1⇒ 3 ⇒ 5 ⇒ 7）的方式。
• 每经过一次池化层，卷积层过滤器的深度都会乘以 2；

1. 权值共享：减轻过拟合 & 降低计算量

一个卷积层（Wx+b ⇒ ReLU ⇒ maxpooling）可以有多个不同的卷积核，而每一个卷积核都对应一个滤波后映射出的新图像，同一个新图像中的每一个像素都来自完全相同的卷积核，这就是卷积核的权值共享。

那么为什么要共享卷积核的权值参数呢？

• 降低模型复杂度以减轻过拟合；
• 降低计算量；

2. 待求参数数目的量化分析

考虑 $10^3\times 10^3$ 的输入图像：

• 全连接，隐层神经元的数目为 $10^6$ 时，则每一个输入像素与每一个隐层神经元之间都是待学习的参数，
  
  • 数目为 $10^6\times 10^6=10^{12}$
• 卷积，卷积核的大小为 $10\times 10$ 时，
  
  • 步长为 10，$\frac{10^3\times 10^3}{10\times 10}\times \left(10\times 10\right)$，$\frac{10^3\times 10^3}{10\times 10}$表示的是输入图像可划分的块数，也即经卷机作用后的输出图像；
  • 步长为 1，$\left(10^3-10+1\right)\times\left(10^3-10+1\right)\cdot \left(10\times 10\right)$
  • 在不考虑步长的前提下，可近似将待学习的参数的数目视为 $\left(10^3\times 10^3\right)\cdot \left(10\times 10\right)$

3. CNN 的卷积与信号与系统中的卷积

CNN 的卷积并没有执行“翻转”操作，而是与输入图像做滑动窗口“相关”计算；

如果 $K$ 个输入通道（$X^k,\quad 0\leq k <K$）的输入经若干卷积核的作用之后得到 $L$ 个通道的输出（$Y^\ell, \quad 0\leq \ell<L$），需要的卷积核的数目为 $L\times K$：

$$\begin{split} Y^\ell(m, n)=&X^k(m,n)\star H^{k\ell}(m,n)\\ =&\sum_{k=0}^{K-1}\sum_{i=0}^{I-1}\sum_{j=0}^{J-1}X^{k}(m+i, n+j)H^{k\ell}(i, j) \end{split}$$

$H^{k\ell}(i, j)$ 表示的是第 $\ell$ 列，第 $k$ 行二维卷积核，卷积核的大小为 $I\cdot J$。

4. 时间复杂度

• $N\times N$ 大小的图像，$F$ 个 $K\times K$ 的 filters ⇒ 计算复杂度 $O(N^2\times K^2\times F)$
  
  • 要知道 F <script type="math/tex" id="MathJax-Element-158">F</script> 的值一般是很大的，比如 256；