Capsule Networks - 面部表情识别答案

【问题标题】：Capsule Networks - Facial Expression RecognitionCapsule Networks - 面部表情识别
【发布时间】：2019-12-23 06:41:20
【问题描述】：

我想在 FER 上试验 Capsule Networks。目前我使用的是 fer2013 Kaggle 数据集。

在 Capsule Net 中我不明白的一件事是在第一个 conv 层中，大小减小到 20x20 - 输入图像为 28x28，过滤器为 9x9，步幅为 1。但在胶囊中，尺寸减小到 6x6。这怎么发生的？因为输入大小为 20x20，过滤器为 9x9 和 2 步长，我无法获得 6x6。也许我错过了什么。

对于我的实验，输入大小的图像是 48x48。我应该在开始时使用相同的超参数还是有任何建议的超参数可以使用？

【问题讨论】：

标签： machine-learning neural-network deep-learning conv-neural-network

【解决方案1】：

一开始，图片是 28*28 并且您应用了大小为 9 的内核，因此您损失了 (9-1) 个像素。（每边 4 个）。所以在第一个卷积层的末尾，你有 (28-8)*(28-8)=20*20 像素，并且你应用相同的内核，所以再次，(20-8)*(20-8) =12*12。但是对于第二层，步幅为 2，因此只剩下 12/2=6 个像素。

对于 48*48 像素，如果你应用相同的卷积层，你将在最后得到 16*16 的图片。 ((48-8-8)/2)

【讨论】：

【解决方案2】：

标准 Capsnet 有两个卷积层。第一个的步幅为 1，第二个的步幅为 2。

如果你想要 6*6 个胶囊号，你的过滤器尺寸应该是 19*19。

因为：

48 - (19-1) = 30

30 - (19-1) = 12

12 / 2 = 6  (because stride is 2)

【讨论】：