深層機械学習のブロック図の意味？

Question

お世話になっております

上はYOLOのlayar図ですけれども、
Q1: 各立方体の下に付いてる数値： 3,192,256, 512, 1024,..は
filterの種類個数と考えて良いのでしょうか。

Q2: 前後各立方体のdimensionが全然違うんで、
前後各立方体の間にどんな関係を持つでしょうか。

どうぞ宜しくお願いします

=========================:
へえ～　図の挿入できない！　 編集のツールバーにある「イメージ」icon は全然効かないじゃ！
どうして？

Answer 1

最初の3はRGB 3チャネルの入力を表現してるので、フィルタの数ではないです。192以降はそれであってます。

Comments

[mkgrei]

本当ですね。
よく見たらブロックの真下の数字は入力でもなければ出力でもなく、雰囲気でどれか見た目が良さそうなものを取っているように見えますね。

[退会済みユーザー]

うーん、YOLOはもともとGoogLeNet使ってたので、そちらのモデル構造を見たほうがいいかもしれないっす。https://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf

[leilei]

編集のツールバーにある「イメージ」icon が効かないので、実際のブロック図は挿入されていませんね。　皆さまに大変ご迷惑をおかけしております！
それにしても皆様の理解力(想像力？)はすごいですね。

[退会済みユーザー]

画像を貼り付けられないのは、どうしてでしょうね。念のため私の回答に貼り付けておきました。

Answer 2

https://towardsdatascience.com/yolo-you-only-look-once-real-time-object-detection-explained-492dc9230006

例えば最初の層から次に行く時に、
もともとの解像度は448x448だったのが、
ConvLayer,7x7x64-s-2、7x7(x3)のカーネル、64チャンネル(Q1フィルタの個数であっています。)、ストライド2の畳み込み
MaxPooingLayer,2x2-s-2、2x2(x64)のカーネル、ストライド2のプーリング
なので、ストライド2x2=4で縮小されて、112x112になります。

他も同様。
s-が書かれていないのは変化なし。

Answer 3

図の挿入できない！　 「イメージ」icon は全然効かないじゃ！
管理者いるかな？