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。