二维图像卷积之后尺寸计算

gy笨瓜

于 2020-10-21 22:41:35 发布

阅读量2.7k

点赞数 1

分类专栏：深度学习文章标签：深度学习卷积尺寸

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u012633319/article/details/109211094

版权

深度学习专栏收录该内容

3 篇文章

订阅专栏

本文探讨了二维图像经过卷积操作后尺寸变化的两种计算方法。第一种是直接取整，计算从第一个可取位置到最后一个可取位置的整数倍数；第二种是向上取整，确保包含所有可能的卷积位置。以宽度为例，图像宽度为w，卷积核宽度为fw，滑动步长为step。通过这两种方式，可以准确预测卷积后的图像尺寸。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

二维图像与卷积核相乘之后，尺寸会发生变化，
本文主要介绍卷积之后尺寸的两种计算方式。

以宽度为例，高度计算方式相同：
图像宽度：w，卷积核宽度：fw，滑动步长：step

【第一种计算方式】
直接取整： $\frac{w-fw}{step} + 1$

解释：第一个可取位置索引为 $0$ ，最后一个可取索引位置为 $w-fw$ ，一共包含 $(w-fw)$ 个间隔，
则 $(w-fw)$ 个间隔对于滑动步长 $step$ 一共 $\frac{w-fw}{step}$ （取整）个可取位置，再加上第一个以 $0$ 为索引的位置，
因此一共 $\frac{w-fw}{step} + 1$ （取整）位置，即最终卷积之后的宽度。

【第二种计算方式】

向上取整： $\frac{w-fw+1}{step}$
解释：第一个可取位置索引为 $0$ ，最后一个可取索引位置为 $w-fw$ ，一共包含 $(w-fw+1)$ 个索引位置，
则 $(w-fw+1)$ 个位置相对于滑动步长 $step$ ，一共 $\frac{w-fw+1}{step}$ 个位置，如果不能整除，剩余小数部分表示
仍然存在一个可取的位置，因此向上取整，即为最终卷积之后宽度。

【sample】
以 $w=7,fw=3,step=2$ 为例
图像可以表示为

1.第一种计算方式：
$\frac{w-fw}{step}+1=\frac{7-3}{2}+1=2+1=>3$

2.第二种计算方式：
$\frac{w-fw+1}{step}=\frac{7-3+1}{2}=5/2=2.5=>3$

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。