卷积运算
-
这里以二维卷积为例讨论:
- 正方形输入( i1=i2=i )
- 正方形卷积核大小( k1=k2=k )
- 相同的步长( s1=s2=s )
- 相同的零填充( p1=p2=p )
第一种情况: s=1,p=0,i=4,k=3
从输入图像的最右边开始,一个步长一个步长直到抵达图像的另外一边
输入图像的大小为:
o=(i−k)+1
第二种情况: s=1,p=2,i=5,k=3
输入图像的大小为:
o=(i−k+2p)+1
第三种情况: 比较特殊,名为Half padding(SAME模式)
即是输出图像大小与输入图像大小相同, 假设 i=5,s=1,k=2n+1 ,
满足 p=[k/2] 有:
o=i+2[k/2]−(k−1)=i+2n−2n=i
第四种情况: Full padding,即输出比原始图像还大的图像,
满足 p=k−1,s=1 情况:
o=i+2(k−1)−(k−1)=i+k−1
第五种情况: s≠1,p=0
s=2,p=0,i=5,k=3
这种情况下输出图像大小为:
o=[i−ks]+1
注意的是:求 下限函数解释了最后一步并不和卷积层抵达输入另外一侧相一致。也就是会遗漏一些输入像素
第六种情况: s≠1,p≠0
输出图像大小为:
o=[i−k+2ps]+1
s=2,