大家好，又见面了，我是你们的朋友全栈君。
3DCNN参数解析：2013-PAMI-3DCNN for Human Action Recognition
参数分析 Input：7 @ 60 × times × 40， 7帧，图片大小60 × times × 40
hardwired： H1 产生5通道信息，分别是gray, gradient-x, gradient-y, optflow-x, optflow-y。前三个对于每一张图片都计算得到一张图，后两个是相邻两张图片得到一张图。 因此，经过hardwired可以得到：7 × times × 3 6 × times × 2 = 33 经过hardwired可以得到33 @ 60 × times × 40
3DCNN layer：C2 对于前面的5个通道，每个通道都用2个kernel size: 7 × times × 7 × times × 3 (7 × times × 7是spatial dimension, 3是temporal dimension)的3D卷积（padding=0, stride=1） （（7-3 1） × times × 3 （6-3 1） × times × 2） × times × 2 = 23 × times × 2 （5个通道分别有[5，5，5，4，4]个） 输出大小是：(60-7 1)/1 = 54; (40-7 1)/1 = 34 因此，经过C2可以得到 23 × times × 2 @ 54 × times × 34 C2的参数量：5 × times × 2 × times × （7 × times × 7 × times × 3 1）= 1480
Subsampling layer: S3 用2 × times × 2的subsampling 输出：23 × times × 2@27 × times × 17 参数量：23 × times × 2 × times × 2=92
3DCNN layer：C4 对于前面的5个通道(5个通道分别有[5，5，5，4，4]个feature maps)，每个通道都用2个kernel size: 7 × times × 6 × times × 3 (7 × times × 6是spatial dimension, 3是temporal dimension)的3D卷积（padding=0, stride=1），每个位置用了3个conv ((5-3 1) × times × 3 (4-3 1) × times × 2 ) × times × 2 × times × 3 = 13 × times × 6 （5个通道分别有[3，3，3，2，2]个） 输出大小是：(27-7 1)/1=21;(17-6 1)/1=12 因此，经过C4可以得到 13 × times × 6 @ 21 × times × 12 C2的参数量：5 × times × 6 × times × （7 × times × 6 × times × 3 1）=3810
Subsampling layer: S5 用3 × times × 3的subsampling 输出：13 × times × 6 @7 × times × 4 参数量：13 × times × 6 × times × 2=156
CNN layer：C6 kernel size: 7 × times × 4，num output = 128 (每个都和前面S5的78个feature map连接) 因此，经过C6可以得到 128 @ 1 × times × 1 C6的参数量：128 × times × 78 × times × （7 × times × 4 1）= 289536
最后一层： 输出3 classes, 全连接 参数量：3 × times × 128 = 384
综上，整个网络的参数量是1480 92 3810 156 289536 384 = 295458
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/132268.html原文链接：https://javaforall.cn
