Pytorch学习笔记(五)——CNN中卷积和池化操作后的特征图大小计算方法

wuchangjian2021-11-15 18:49:44编程学习

一、卷积操作

注意:卷积操作需要向下取整
假设:
设输入图像尺寸为WxW,卷积核尺寸为FxF,步幅为S,填充为P,经过该卷积层后输出的图像尺寸为NxN,计算公式为:
N = W − F + 2 P S + 1 N=\cfrac {W-F+2P} {S}+1 N=SWF+2P+1
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,填充为P,则:
W = W − F + 2 P S + 1 W=\cfrac {W-F+2P} {S}+1 W=SWF+2P+1
H = H − F + 2 P S + 1 H=\cfrac {H-F+2P} {S}+1 H=SHF+2P+1
如果无填充,公式可以简化为“
WxW:
N = W − F S + 1 N=\cfrac {W-F} {S}+1 N=SWF+1
WxH:
W = W − F S + 1 W=\cfrac {W-F} {S}+1 W=SWF+1
H = H − F S + 1 H=\cfrac {H-F} {S}+1 H=SHF+1
也可使用以下公式计算:

在这里插入图片描述

二、池化操作

注意:当进行池化操作时,步长S就等于池化核的尺寸,需要向下取整
设输入图像尺寸为WxH,其中W:图像宽,H:图像高,卷积核的尺寸为FxF,S:步长

池化后输出图像大小:
WxW:
N = W − F S + 1 N=\cfrac {W-F} {S}+1 N=SWF+1
WxH:
W = W − F S + 1 W=\cfrac {W-F} {S}+1 W=SWF+1
H = H − F S + 1 H=\cfrac {H-F} {S}+1 H=SHF+1
参考:
图像卷积和池化操作后的特征图大小计算方法

相关文章

腾讯云传统账户类型升级标准账户类型区别优势说明表

腾讯云传统账户类型升级标准账户类型区别优势说明表

腾讯云账号分为标准账户类型和传统账户类型,腾讯云百科建议将传统账户升级为标...

学习日记2

 practical tools Netcat Connection to a...

MATLAB在人工智能中的应用案例:以MATLAB的方式玩转自动驾驶(附部分代码)

MATLAB在人工智能中的应用案例:以MATLAB的方式玩转自动驾驶(附部分代码)

前言 当博主还在读大学时,时光就经常在和朋友们讨论奔驰 AMG 马力如何强劲,路虎更酷...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。