关于卷积后边长大小:
no padding: n - f + 1
padding: n + 2p - f + 1
stride with padding: (n + 2p - f)/s + 1(向下取整)
padding作用:保证处理后的图像大小和原图像一致,并且使得边缘信息得到充分利用。
空洞卷积(Dilated Convolution):加入参数rate
不做pooling损失信息的情况下,加大了感受野,让每个卷积输出都包含较大范围的信息。在图像需要全局信息或者语音文本需要较长的sequence信息依赖的问题中,都能很好的应用。
像素与像素间隔(rate-1)
这就是rate为2的空洞卷积
**反卷积:**在输入特征矩阵中插入空白点,再进行卷积,这样卷积后输出的特征矩阵就变大了
对于标准k*k卷积核,stride为s,分三种情况:
1) s>1 ,在卷积同时伴随着downsampling操作,卷积后图像变小了(这种操作也可以增大感受野,但是输出的图像大小变小了)
2) s=1 ,在padding设置为stride大小时,卷积后图片大小不变
3)s<1,相当于对原图作upsampling操作进行扩大原图,然后再卷积,这样得到的结果图就变大了。例如s=0.5意味着在原特征图的每相邻数据间插入一个空白数据,这样再进行卷积,它的输出特征图就变大了。