设输入图像的维度为32×32×3,若存在1个尺度为5×5的卷积核,其步长stride=2,则卷积运算之后的特征图[br][/br]的深度为()。
A: 1
B: 3
C: 5
D: 32
A: 1
B: 3
C: 5
D: 32
举一反三
- 对于65x65x6的输入特征图,用32个5*5的卷积核(过滤器)进行卷积,步幅为2,padding值为2,得到的特征图大小是哪个? A: 33*33*32 B: 32*32*32 C: 65*65*12 D: 32*32*5
- 将一张32*32大小的图片输入一个卷积神经网络,经过一层卷积层(卷积核大小为5*5,步长为1,非全零填充)和一层池化层(池化核大小为2*2,步长为2,全零填充)之后输出的图片尺寸为多少?? 7|14|16|32
- 假设某卷积层的输入特征图大小为36*32*6,卷积核大小是5*3,通道为20个,步长为1,没有padding,那么得到的特征图大小为? A: 32*30*20 B: 27*30*20 C: 32*28*6 D: 36*34*20
- 设特征图的尺度为32×32×10,若卷积核的尺度为4×4×10,步长stride=2,填充padding=2,则该层的参数[br][/br]个数是多少(忽略偏置项)。 A: 32×32×10×4×4×10=1638400 B: 4×4×10=160 C: (32+2×2-4)/2+1=17 D: ((4+2)×(4+2)+2×2)×10=400
- 已知两层3×3的卷积核与一层5×5的卷积核具有相同的感受野,那么前者(3×3)和后者(5×5)的参数量和计算量是什么关系(特征图尺寸为32)?