LeNet-5 -结合C3层中的特征映射

Question

著名的LeNet-5架构如下所示：

图层S2的输出维数为: 10x10x6 -因此基本上是一幅有6次抽搐的图像，用于导出特征。

如果每个维度再次提交给6个过滤器，则结果输出将为10x10x36，但为10x10x16。一开始，我无意中发现了它，但最后我发现，这是通过将来自层S2的输入组合起来并在其上应用一个内核来完成的，正如本文中所解释的那样：

层C3是一个卷积层，有16个特征映射，每个特征映射中的每个单元都连接到S2s特征映射子集中相同位置的几个5x5个邻域。

。

表一中的连接方案的基本原理是，下面六个C3功能映射从S2中的三个特征映射的每个连续子集中获取输入。接下来的六个从四个连续子集中获取输入。接下来的三个从四个不连续子集输入，最后一个从所有S2功能映射层输入，C3有1516个可训练参数和151,600个连接。

它的路线图载于表中：

我仍然不支持的是，我应该如何将它们结合起来？

在前一层中，我刚刚在一维上应用了6个内核，从而产生了6个维度，这是可以理解的。老实说，我有点不知所措。

请帮帮忙。马图斯

Answer 1

请参阅此表，其中每一行都有16个数字。我不知道如何对齐，所以我也发了一张照片。

过滤0 1 2 3 4 5 6 7 8 10 11 12 13 14 15

重量75 75 75 100 100 100 150

偏压1 1 1

可训练参数76 76 76 101 101 101 151