卷积核的kernel size为什么要设置为奇数

卷积的3种模式

卷积有3种模式：full、same、valid

full：从filter与image开始相交就做卷积

same：当filter的中心与image相交开始做卷积，通常输入和输出的大小一样

vaild：当filter与image完全相交开始做卷积

卷积核的移动范围：full>same>vaild

同一输入image的情况下，输出的特征大小：full>same>vaild

kernel size设置奇数的原因

1. padding

通常使用的卷积模式是same convolution。

在步长为1的情况下，需要padding k-1个0才能使得输入和输出的尺寸一致。

若kernel size是奇数的，k-1则为偶数，能够均分到image的两边，就可以进行对称的padding；

若kernel size是偶数的，k-1则为奇数，则不能均分到image的两边；

2. 奇数的卷积核具有天然的中心点

卷积核的移动是默认用中心点作为基准，而kernel size为奇数的卷积核具有天然的中心点；

因此，也更加便于卷积操作获取到有效的中心信息。

3.奇数的效率比偶数更高（参考他人经验）

参考：为什么CNN中的卷积核一般都是奇数*奇数，没有偶数*偶数的？ - 知乎