tensorflow中卷积方式SAME和VALID特征图大小计算

时间:2019-01-11
本文章向大家介绍tensorflow中卷积方式SAME和VALID特征图大小计算,主要包括tensorflow中卷积方式SAME和VALID特征图大小计算使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

卷积方式SAME后特征图大小计算

卷积方式: SAME(卷积后的特征图大小跟卷积核大小无关,只跟卷积所用的步长有关,当卷积步长是1时,卷积前后特征图大小保持不变)
输入特征图大小:W×H
卷积核大小: k×k
卷积步长: s×s
输出特征图大小: W1×H1

W1 = math.ceil(W / s)
H1 = math.ceil(H / s)

其中math.ceil()是向上取整

卷积方式是SAME时,会根据卷积核大小,按需在图像上扩充padding,即在宽度或高度方向上补充若干个0,保证图像上的当前点处于卷积中心。
如果补充的padding个数为偶数会在两侧补充相同个数个0,如果padding为奇数2n+1,会在左侧补n个0,右侧补n+1个0
--------------------------------------------------------------------------------

卷积方式VALID后特征图大小计算

卷积方式: VALID(根据图片实际大小执行卷积,不对图像边界填充,一般卷积后特征图变小)
输入特征图大小:W×H
卷积核大小: k×k
卷积步长: s×s
输出特征图大小: W1×H1

W1 = math.ceil((W-k+1)) / s
H1 = math.ceil((H-k+1)) / s
---------------------

作者:-牧野-
来源:CSDN
原文:https://blog.csdn.net/dcrmg/article/details/82317096
版权声明:本文为博主原创文章,转载请附上博文链接!

上一页 下一页

原文地址:http://www.manongjc.com/article/42930.html