feature map大小計算方法
阿新 • • 發佈:2018-11-14
(1)邊長的計算公式是:
output_h =(originalSize_h+padding*2-kernelSize_h)/stride +1
輸入圖片大小為200×200,依次經過一層卷積(kernel size 5×5,padding 1,stride 2),pooling(kernel size 3×3,padding 0,stride 1),又一層卷積(kernel size 3×3,padding 1,stride 1)之後,輸出特徵圖大小為:
(200-5+2*1)/2+1 為99.5,取99
(99-3)/1+1 為97
(97-3+2*1)/1+1 為97
研究過網路的話看到stride為1的時候,當kernel為 3 padding為1或者kernel為5 padding為2 一看就是卷積前後尺寸不變(卷積向下取整,池化向上取整)。
(2)如果是反捲積(deconvolution)
輸入:2x2, 卷積核:4x4, 滑動步長:3, 輸出:7x7
公式:2x4-(4-3)x(2-1)=8-1=7
output_w= input_w*kernerl_size - (kernel_size - stride)*(input_w - 1)
或者: (2 - 1) * 3 + 4 = 7
output = (input_w - 1) * stride + kernel_size
影象的deconvolution過程如下,
(參考文章:http://blog.csdn.net/fate_fjh/article/details/52882134)