池化层: 假设在第一行之前填充
p
h
1
p_{h1}
ph1 行,在最后一行后面填充
p
h
2
p_{h2}
ph2 行。在第一列之前填充
p
w
1
p_{w1}
pw1 列,在最后一列之后填充
p
w
2
p_{w2}
pw2 列,则池化层输出特征图大小为:
H
o
u
t
=
H
+
p
h
1
+
p
h
2
−
k
h
s
h
+
1
H_{out} = \frac{H + p_{h1} + p_{h2} - k_h}{s_h} + 1
Hout=shH+ph1+ph2−kh+1
W
o
u
t
=
W
+
p
w
1
+
p
w
2
−
k
w
s
w
+
1
W_{out} = \frac{W + p_{w1} + p_{w2} - k_w}{s_w} + 1
Wout=swW+pw1+pw2−kw+1 在卷积神经网络中,通常使用
2
×
2
2\times2
2×2 大小的池化窗口,步幅也使用 2,填充为 0,则输出特征图的尺寸为:
H
o
u
t
=
H
2
H_{out} = \frac{H}{2}
Hout=2H
W
o
u
t
=
W
2
W_{out} = \frac{W}{2}
Wout=2W
|