多层感知器与PointNet架构中括号内数字如(64,128,1024)含义咨询

1 多层感知器（MLP）结构标注数值含义 #

你提到的(64,128,1024)这类括号内的数值序列，对应MLP每一层的输出神经元/通道数量，按顺序分别对应网络从输入到输出方向的各层参数：

• 首个数值：对应第一层全连接层的输出维度，你举的例子里就是第一层输出64维特征
• 中间数值：对应中间隐藏层的输出维度，你举的例子里第二层输出128维特征
• 末尾数值：对应最后一层的输出维度，你举的例子里第三层输出1024维特征
  如果标注序列包含输入层维度，首个数值也可以表示输入特征的维度，具体可以结合任务的输入输出形态判断。

2 PointNet论文网络架构标注数值含义 #

PointNet架构里的标注逻辑和MLP标注逻辑同源，针对点云处理的特性做了适配，各类标注的含义如下：

• 标注为mlp(维度1, 维度2, ...)的部分：其中浅层的mlp是用1×1卷积实现的共享权重结构，和普通全连接MLP有区别，括号内的数字按顺序对应每一层的输出特征维度，这类共享权重MLP只修改每个点的特征维度，不会改变输入点的数量。比如mlp(64,64)就是两层共享感知器，依次输出64维、64维的点特征；mlp(64,128,1024)就是三层共享感知器，最终输出每个点1024维特征。
• 全局最大池化之后的mlp(512,256)标注：这里的MLP是普通全连接层，基于池化得到的1024维全局特征做映射，依次输出512维、256维特征。
• 末尾标注的k/m：对应任务输出的类别数，分类任务的k是分类类别数，分割任务的m是点分割的类别数，对应最后一层全连接层的输出维度。

内容的提问来源于stack exchange，提问作者mehrdadjavadi