基于CNN的自编码器各层之间过滤器数量应当增加还是减少？

你原本认为过滤器应当逐层递减的认知存在偏差，常规设计下，CNN自编码器的编码器部分过滤器数量是逐层递增的，信息压缩的核心逻辑是缩小特征图的空间尺寸，而非削减过滤器数量。

常见设计逻辑 #

• 浅层卷积负责提取边缘、纹理等简单低级特征，所需的特征维度低，因此过滤器数量少；随着网络层数加深，卷积需要提取组合后的抽象高级特征，特征类型更多，因此需要更多过滤器承载这些信息，避免核心特征丢失。
• 你给出的过滤器逐层递减的代码虽然可以正常运行，但很容易出现高层特征提取不充分、最终重构精度差的问题，仅适用于输入特征极简单的小众场景，不属于通用实现。

通用编码器示例 #

常规编码器的设计会在每次缩小特征图尺寸后，将过滤器数量翻倍，既实现了整体信息压缩，又保证了特征提取能力：

x = Conv2D(filters = 8, kernel_size = 3, activation='relu', padding='same', name='encoder_1a')(inputs)
x = MaxPooling2D(pool_size = (2, 2), padding='same', name='encoder_1b')(x) # 特征图尺寸减半

x = Conv2D(filters = 16, kernel_size = 3, activation='relu', padding='same', name='encoder_2a')(x)
x = MaxPooling2D(pool_size = (2, 2), padding='same', name='encoder_2b')(x) # 特征图尺寸再次减半

x = Conv2D(filters = 32, kernel_size = 3, activation='relu', padding='same', name='encoder_3a')(x)
x = MaxPooling2D(pool_size = (2, 2), padding='same', name='encoder_3b')(x) # 特征图尺寸第三次减半

压缩效果验证 #

以输入为3通道28*28的图像为例：

• 输入总维度：3 * 28 * 28 = 2352
• 三层编码后总维度：32 * 3 * 3 = 288
  整体维度远低于输入，完全满足信息压缩的需求。

内容的提问来源于stack exchange，提问作者Stephane