E-net 深度学习架构

【问题标题】：E-net Deep learning architectureE-net 深度学习架构
【发布时间】：2019-06-12 09:25:08
【问题描述】：

研究论文可在以下链接获得：

https://arxiv.org/pdf/1606.02147.pdf

无法理解 Enet 架构的初始块。

研究论文第 3 页的陈述：

ENet 初始块。 MaxPooling 使用不重叠的 2 × 2 窗口执行，并且卷积有13个过滤器，串联后总计16个特征图。

所以问题是，我们如何在连接后得到 16 个过滤器？

【问题讨论】：

标签： deep-learning conv-neural-network image-segmentation max-pooling

【解决方案1】：

举个例子，假设输入图像的暗淡为(128,128,3)，现在转换为((3,3),2,13)，其中2是步幅大小，13是过滤器数量，我们得到输出为(64,64,13)（基本转换操作）。现在在右边的块中，我们有max-pool，它返回输出为(64,64,3)。在concat 两个输出上，我们都有(64,64,16)。

【讨论】：

在 conv 之后，我们得到 13 个 64x64 的特征图，在对输入图像进行最大池化之后，我们得到一个图像。然后，如何添加频道（3）没有。特征图 (13)？
13表示conv层的通道输出，与max-pool层的3通道连接。