- 输入图片尺寸: W*W。
- Filter(卷积核)尺寸:F*F。
- 步长 S(Stride)。
- padding(填充)的像素数P,P=1就相当于给图像填充后图像大小为W+1 *W+1
padding的方式通常有两种:Valid和Same,前者不对图像进行补零扩充,后者进行补零扩充。
- 输出图片的大小为N * N。
-------------------------------------------------------------------------------------------------------------------------------
tensorflow中
- valid方式,N=(W-F+1)/ S
- Same方式, N=W / S
- N结果取向上整
-------------------------------------------------------------------------------------------------------------------------------
例如:输入100x100分辨率的灰度图像
卷积核(11,11),步长(4,4),padding:Valid
(100-11+1)/4=22.3
向上取整,N=23
卷积后图像大小23x23
padding:Same
N=100/4=25
卷积后图像:25x25