假设我们要进行一次卷积操作,输入feature maps的channel为64,输出feature maps的channel也要为64,那么对于
5
5
5
×
\times
×
5
5
5和
3
3
3
×
\times
×
3
3
3的卷积尺寸该怎么选择呢(步长为1)?答案如下图所示:
即选择
3
3
3
×
\times
×
3
3
3的卷积核对输入的feature maps做两次卷积而非用
5
5
5
×
\times
×
5
5
5的卷积核对输入的feature maps做一次卷积。这样做的主要区别在于两点:1.参数量;2.感受野。
kernel size | receptive field | params |
---|---|---|
3 3 3 × \times × 3 3 3 | 5 5 5 × \times × 5 5 5 | 2 2 2 × \times × 3 3 3 × \times × 3 3 3 × \times × 64 64 64 × \times × 64 64 64 |
5 5 5 × \times × 5 5 5 | 5 5 5 × \times × 5 5 5 | 5 5 5 × \times × 5 5 5 × \times × 64 64 64 × \times × 64 64 64 |
通过上述表格我们可以发现,卷积核为3的两次卷积得到的feature maps的感受野与卷积核为5的一次卷积相等,并且前者参数量小于后者。