W：输入图片大小WxW
P：padding的像素数
F：卷积核尺寸
S：步长
D：膨胀率
Fo：膨胀后的卷积核尺寸
N：输出图片大小NxN
则有：
F 0 = D × ( F − 1 ) + 1 F_0 = D \times (F-1) +1 F0=D×(F−1)+1
N = ( W + 2 × P − F 0 ) S + 1 N = \frac{(W+2 \times P - F_0)}{S} +1 N=S(W+2×P−F0)+1
注：当输入图片大小尺寸宽和高不一样时，分别计算即可
本文深入探讨了卷积神经网络（CNN）中的参数计算，包括输入图片大小、padding、卷积核尺寸、步长和膨胀率等因素如何影响输出图片尺寸。公式F0=D×(F−1)+1用于计算膨胀后的卷积核尺寸，而N=(W+2×P−F0)S+1用于确定输出图片大小。内容适用于深度学习和计算机视觉领域的从业者。
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
