Fork me on GitHub

卷积神经网络的输出计算

卷积神经网络的输出计算

假设有一个\(7 \times 7 \times 3\)的输入层(补白padding为1), 使用一个\(3 \times 3 \times 3 \times 2\)的Filter, 步长(stride)为1进行卷积, 得到一个\(3 \times 3 \times 2\)的Feature Map. 具体计算操作如下:

cnn

cnn

计算公式:

\[ W_2 = (W_1 - F + 2P) / S + 1 \] \[ H_2 = (H_1 - F + 2P) / S + 1 \]

  • $ W_1 $ 是卷积前图像的宽度;
  • $ W_2 $ 是卷积后Feature Map的宽度;
  • $ H_1 $ 是卷积前图像的高度;
  • $ H_2 $ 是卷积后Feature Map的高度;
  • $ P $ 是padding数量;
  • $ S $ 是stride步长.

欢迎赞赏