Neural network 卷积神经网络中特征映射的数目

我读过这篇文章，当我转向这篇文章时： 第0层：是MNIST数据库中手写字符的灰度图像，填充为29x29像素。输入层有29x29=841个神经元。 图层#1：是一个包含六（6）个特征地图的卷积图层。从第1层到前一层有13x13x6=1014个神经元，（5x5+1）x6=156个权重，1014x26=26364个连接

如何仅从图像上的卷积得到六（6）个特征映射？

---

我想我们只能得到一个特征图。还是我错了？

在同一个映像上使用六个不同的内核进行卷积，可以得到六个功能映射

我正在研究卷积神经网络

在同一图像上卷积六个不同的内核（或过滤器）以生成六个特征映射。

第0层：具有29x29像素的输入图像因此具有29*29=841个神经元（输入神经元）

第1层：卷积层使用6个不同的内核（或过滤器），大小为5x5像素，步长为2（使用内核或过滤器卷积输入时的移位量），与输入图像（29x29）卷积，生成6个不同的特征映射（13x13），因此13x13x6=1014个神经元

过滤器大小5x5和偏差（用于权重校正）因此（5x5）+1个神经元，我们有6个内核（或过滤器），给出6*[（5x5）+1]=156个神经元

在卷积过程中，我们将内核（或过滤器）移动26次（13次水平移动+13次垂直移动），最后将1014*26=26364个连接从层0移动到层1

你应该阅读Y LeCun，L Bottou，Y Bengio的这篇研究论文：第二节来理解卷积神经网络（我建议阅读整篇论文）

另一个可以找到CNN的详细解释和python实现的地方是。如果你有时间，我建议你浏览这个网站，了解更多关于深度学习的细节

谢谢。

这里的解释很好：