著名的 LeNet-5 架构如下所示：

层 S2 的输出尺寸为：10x10x6 - 所以基本上是一张带有 6 次卷积的图像，用于派生特征。

如果每个维度再次提交给 6 个过滤器，则结果输出将是 10x10x36，但它是 10x10x16。最初我偶然发现了它，但最后我发现这是通过组合来自层 S2 的输入并在其上应用一个内核来完成的，如文章中所述：

C3 层是具有 16 个特征图的卷积层，每个特征图中的每个单元都连接到 S2 特征图子集中相同位置的几个 5x5 邻域

.

表 I 中的连接方案背后的基本原理如下 第一个六个 C3 特征图从 S2 中三个特征图的每个连续子集获取输入。接下来的六个从四个连续子集中获取输入。接下来的三个从四个不连续的子集中获取输入最后一个从所有 S2 特征映射中获取输入 C3 层有 1,516 个可训练参数和 151,600 个连接

其路线图见下表：

我仍然不了解的是我应该如何将它们结合起来？

在上一层中，我刚刚在 1 维上应用了 6 个内核，得到了可以理解的 6 维。老实说，在这里我有点失落:(

请帮忙。马特乌什