当前位置:   article > 正文

[转载]卷积,池化操作后的图像尺寸计算_池化后的尺寸怎么计算

池化后的尺寸怎么计算

[转载]卷积,池化操作后的图像尺寸计算

原文

一,卷积操作

若图像为正方形:设输入图像尺寸为WxW,卷积核尺寸为FxF,步幅为S,Padding使用P,经过该卷积层后输出的图像尺寸为NxN:
N = W − F + 2 P S + 1 N=\frac {W-F+2P} {S} +1 N=SWF+2P+1
若图像为矩形:设输入图像尺寸为WxH,卷积核的尺寸为FxF,步幅为S,图像深度(通道数)为C,Padding使用P,则:

卷积后输出图像大小:
W = W − F + 2 P S + 1 H = H − F + 2 P S + 1 W=\frac {W-F+2P}{S}+1 \\ H=\frac {H-F+2P}{S}+1 W=SWF+2P+1H=SHF+2P+1

输出图像的通道数=C

注意:Padding的作用用于解决图像边缘信息损失的问题,用于补充

如same:(same模式只有步长为1时,输入和输出的尺度才相同)

输入特征图为5x5,卷积核为3x3,外加padding 为1,则其输出尺寸为
5 − 3 + 2 ∗ 1 1 + 1 = 5 \frac {5-3+2*1} {1} +1=5 153+21+1=5

二,池化操作

设输入图像尺寸为WxH,其中W:图像宽,H:图像高,D:图像深度(通道数),卷积核的尺寸为FxF,S:步长

池化后输出图像大小:
W = W − F S + 1 H = H − F S + 1 W=\frac {W-F} {S} +1\\ H=\frac {H-F} {S} +1\\ W=SWF+1H=SHF+1

池化后输出图像深度为D

当进行池化操作时,步长S就等于池化核的尺寸,如输入为24x24,池化核为4x4,则输出为
W = 24 − 4 4 + 1 = 6 W=\frac {24-4} {4}+1=6 W=4244+1=6

若除不尽,则取较小的数,如池化核为7x7,则输出为
W = [ 24 − 7 7 ] = 3 W=[\frac {24-7} {7}] =3 W=[7247]=3

,不是用四舍五入,就是取最小的整数,即使为3.9,也是 取3

三,空洞卷积(也称扩张卷积,膨胀卷积)–dilated convolution

W = W − d ( k − 1 ) − 2 p s + 1 W=\frac {W-d(k-1)-2p} {s} +1 W=sWd(k1)2p+1

其中 d为空洞卷积的空洞率(正常的卷积d=1),p为padding,k为kernel size

举个例子:

下面的空洞卷积核是d=2,k=2的空洞卷积卷积核。

当d=2,k=2时,-d(k-1)-1 = -3,即相当于 一个k=3的正常卷积核。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/煮酒与君饮/article/detail/787271
推荐阅读
相关标签
  

闽ICP备14008679号