为什么LeNet5使用32×32图像作为输入？

Question

我知道mnist数据集中的手写数字图像是28×28,但为什么LeNet5中的输入是32×32？

Answer 1

你的问题在原始论文中得到了回答：
卷积步骤总是采用比前一层的特征图更小的输入（这对于第一层 - 输入 - 也适用）：

C1 层是一个具有 6 个特征图的卷积层。每个特征图中的每个单元都连接到输入中的 5x5 邻域。特征图的大小为 28x28，这可以防止输入的连接脱离边界。

这意味着在 32x32 输入上使用 5x5 邻域，您将获得 6 个大小为 28x28 的特征图，因为有些像素您不会在图像边界处使用（这些数字始终会有余数）。

当然，第一层可以有例外。他们仍然使用 32x32 图像的原因是：

输入是 32x32 像素图像。这明显大于数据库中的最大字符（在 28x28 字段中最多为 20x20 像素）。原因是希望潜在的独特特征（例如笔划端点或角点）能够出现在最高级别特征检测器的感受野的中心。