二维卷积输出特征图的计算公式


计算公式

首先附上计算公式:
在这里插入图片描述

参数说明

  • H:高度;
  • W:宽度;
  • N:batch-size的大小;
  • Cin:输入的通道数;
  • Cout:卷积后输出的通道数;
  • dilation:膨胀率,的默认值是1;
  • stride:步长,默认是1。

说明:如果输入的是图像,一般高度H和宽度W相同,所以只需要算一个就好。

如果膨胀率 dilation=1,则公式为:
在这里插入图片描述

示例

输入一个 256 * 256 的向量,经过下面的三层卷积,套入公式计算特征图的大小:

nn.Sequential(
    nn.ReflectionPad2d(3),  
    nn.Conv2d(4, 64, 7),        
    nn.Conv2d(64, 128, 4, stride=2, padding=1),
    nn.Conv2d(128, 256, 4, stride=2, padding=1),
)

ReflectionPad2d(3)是以输入图像以最外围像素为对称轴,做四周的轴对称镜像填充,扩充3个单位。
以下是根据公式的计算过程:
在这里插入图片描述
可以看到,经过一次填充和三次卷积,大小变为了原来的1/4。

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

半岛铁子_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值