深度学习-图片卷积输出大小计算公式

深度学习-图⽚卷积输出⼤⼩计算公式
输⼊图⽚经过卷积后所得特征图⼤⼩的计算公式:
先定义⼏个参数
输⼊图⽚⼤⼩ W×W
Filter⼤⼩ F×F
步长 S
padding的像素数 P
于是我们可以得出
N = (W − F + 2P )/S+1
输出图⽚⼤⼩为 N×N
如:输⼊图⽚的shape为[10,3,227,227],对应输⼊图⽚⼤⼩为227x227
输出num_output为96,对应通道数
Filter⼤⼩(kernel_size)为11,对应为11x11
步长S(stride)为4
N = (W − F + 2P )/S+1 = (227-11+2x0)/4 + 1 = 55
仪征市第二中学
则输出的特征图⼤⼩shape为[10,96,55,55].
多说⼀句:卷积核的个数等于输出特征图的通道数。(这个⼀般都不会明确说出卷积核的个数)聚合硫酸铝
反卷积得到的图⽚⼤⼩计算⽅式:
辽宁省劳动合同规定反卷积的⼤⼩是由卷积核⼤⼩与滑动步长决定, in是输⼊⼤⼩, k是卷积核⼤⼩, s是滑动步长, out是输出⼤⼩得到 out = (in - 1) * s + k
例如 输⼊:2x2, 卷积核:4x4, 滑动步长:3, 输出:7x7 ,其计算过程就是, (2 - 1) * 3 + 4 = 7
看到转置卷积中存在指定padding的情况,如何计算特征图的⼤⼩。(假设padding为p)
鄱阳湖经济区
out = (in - 1)* s - 2 * p + k (与上式不同的是需要减去两倍的padding)
通径分析
池化得到的特征图⼤⼩计算⽅式:
卷积向下取整,池化向上取整。
新侨报

本文发布于:2024-09-21 15:35:57,感谢您对本站的认可!

本文链接:https://www.17tex.com/xueshu/475013.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:卷积   特征   输出   个数   滑动
留言与评论(共有 0 条评论)
   
验证码:
Copyright ©2019-2024 Comsenz Inc.Powered by © 易纺专利技术学习网 豫ICP备2022007602号 豫公网安备41160202000603 站长QQ:729038198 关于我们 投诉建议