- 为什么要加padding:
解决两个问题:
1. 输出缩小。比如当你有100层深层的网络,如果图像每经过一层都缩小的话,经过100层网络后 ,你就会得到一个很小的图像。
2. 图像边缘的大部分信息都丢失了。 - 什么是padding.
在图像边缘填充一圈像素。
公式为:
输入:n(原图像像素nn)f(卷积核的大小ff),p(填充的像素个数)
输出:(n+2p-f+1)*(n+2p-f+1)
如果想让输出图像和输入图像一样大的话,由此可以计算出p的值,即p=(f-1)/2 - 步长
输入:n(原图像像素nn)f(卷积核的大小ff),p(填充的像素个数)s(步长)
输出:((n+2p-f)/s+1)(向下取整)*((n+2p-f)/s+1)(向下取整) - 三维卷积
输入:n(原图像像素nn)f(卷积核的大小ff),p(填充的像素个数)s(步长)Nc(通道数)
输出:((n+2p-f)/s+1)(向下取整)*((n+2p-f)/s+1)(向下取整)*Nc
理解CNN卷积计算
最新推荐文章于 2024-03-07 13:42:18 发布