我想在FER上尝试Capsule Networks。目前，我正在使用fer2013 Kaggle数据集。
我在Capsule Net中不了解的一件事是在第一转换层中，大小减小为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，过滤器大小为9x9，步幅为2，所以我无法得到6x6。也许我错过了一些东西。
对于我的实验，输入尺寸图像为48x48。我应该在开始时使用相同的超参数，还是可以使用任何建议的超参数？
最佳答案
最初，图片为28 * 28，并且您应用了大小为9的内核，因此损失了（9-1）像素。 （每侧4个）。因此，在第一个卷积层的末尾，您有（28-8）*（28-8）= 20 * 20像素，并且您应用了相同的内核，因此再次是（20-8）*（20-8） = 12 * 12。但是对于第二层，跨度为2，因此仅剩12/2 = 6像素。
对于48 * 48像素，如果应用相同的卷积层，则最后将具有16 * 16图片。 （（48-8-8）/ 2）
关于machine-learning - 胶囊网络-面部表情识别，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/50336136/