Pues ahora deberemos hacer una Segunda convolución que será:
SEGUNDA CONVOLUCION | 2)Aplico Kernel | 3)Obtengo Feature Mapping | 4)Aplico Max-Pooling | 5)Obtengo «Salida» de la Convolución |
14x14x32= 6272 neuronas | 64 filtros de 3×3 | 14x14x64 = 12544 neuronas | de 2×2 | 7x7x64 = 3136 neuronas |
La 3er convolución comenzará en tamaño 7×7 pixels y luego del max-pooling quedará en 3×3 con lo cual podríamos hacer sólo 1 convolución más. En este ejemplo empezamos con una imagen de 28x28px e hicimos 3 convoluciones. Si la imagen inicial hubiese sido mayor (de 224x224px) aún hubiéramos podido seguir haciendo convoluciones.
TERCERA CONVOLUCION | 2)Aplico Kernel | 3)Obtengo Feature Mapping | 4)Aplico Max-Pooling | 5)Obtengo «Salida» de la Convolución |
7x7x64= 3.136 neuronas | 128 filtros de 3×3 | 7x7x128= 6272 neuronas | de 2×2 | 3x3x128 = 768 neuronas |
y con esto hemos llegado a la última convolución