为什么CNN中的卷积核大小都是奇数？

主要有两点原因：

1.便于进行padding。
在卷积时，若要卷积前后的尺寸不变。需要对原图进行padding。

假设图像的大小，也就是被卷积对象的大小为n∗nn*nn∗n，卷积核大小为k∗kk*kk∗k

当padding的幅度设为k−12\frac{k-1}{2} 
2
k−1
​    
 时，卷积后的输出就为n−k+2∗k−121+1=n\frac{n-k+2*\frac{k-1}{2}}{1}+1=n 
1
n−k+2∗ 
2
k−1
​    
 
​    
 +1=n，即卷积输出为n*n

保证了卷积前后尺寸不变。但是如果k是偶数的话，k−12\frac{k-1}{2} 
2
k−1
​    
 就不是整数了。

这样做保证 锚点 刚好在中间，方便以模块中心为标准进行滑动卷积，避免了位置信息发生 偏移

2.容易找到卷积锚点
在像素这个领域里，偶数框其实是没有一个“绝对的物理中心”的

奇数相对于偶数，有中心点，对边沿、对线条更加敏感，可以更有效的提取边沿信息。保证了 padding 时，图像的两边依然相对称

偶数也可以使用，但是效率比奇数低。在数以万计或亿计的计算过程中，每个卷积核差一点，累计的效率就会差很多。

如果只是想移动，那默认左上角为中心点也是可以的~

现在大家都那么约定俗成罢了

更多内容见参考资料里知乎上的讨论。
————————————————
版权声明：本文为CSDN博主「会意」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/mooneve/article/details/96327854