卷积神经网络中感受野的详细介绍_Microstrong-CSDN博客_感受野j
下采样:卷积输出后的图片尺寸大小:
Output=(Input +2p-k)/s +1
上采样:Output=(Input -1)*s+k-2p
input:输入图片尺寸
k:卷积核大小
s:步长
p的定义见下:
padding = “VALID”:(不补0)
P=0
padding = “SAME”:(补0)
1.卷积核为奇数
Filter=1x1时,P=0;
Filter=3x3时,P=1;
Filter=05x5 时,P=2,以此类推。
P=(F-1)/2
2.卷积核的尺寸为偶数时:
Filter=6x6时,P1=【6-1/2】向上取整,P2=【6-1/2】向下取整;
3.tensorflow官网给出了另一种计算方式,也是正确的:
padding = “SAME”时:
N是 W/S后像上取整
例如:
输入图片大小 W×W=5x5;Filter大小 F×F=3x3;步长strides=2 输出大小为NxN,
5/2=3,那么N等于3
同样根据最开始那个公式:N=(5-3+2*1)/2+1=3
padding = “VALID”时:
同样向上取整,N=(5-3+1)/2=2
同样用最开始那个公式:N=(5-3)/2+1=2