【问题标题】:Convolutional Map output dimension卷积映射输出维度
【发布时间】:2017-02-05 21:41:03
【问题描述】:

本文Let there be Color!实现CNN,属性如下:

  • 图片尺寸:224x224
  • 内核大小:3X3
  • 步幅:2X2
  • 填充:1x1

在论文中,他们提到了the output layer size is 112X112,但使用公式Num of outputs = ((Size-F+2*P)/S)+1)[1]计算它,result = 112.5

输出不应该是整数吗?

【问题讨论】:

  • 我认为他们在论文中提到,他们不是执行最大池化,而是执行步幅 2 的卷积。这意味着正常的卷积操作是使用填充 1 x 1 和步幅 1 执行的。但是在卷积之后层而不是最大池化,它们执行另一个步幅为 2 的卷积以减少空间维度。
  • 我不这么认为,因为在论文中,第一个卷积层执行步长为 2 的卷积,因此卷积层涉及最大池化形式,而不是在传统的卷积层之后开始。 - @Kashyap

标签: conv-neural-network


【解决方案1】:

我和论文作者沟通过,他说

在实现方面,小数大小会向下舍入,因此 输出为 112x112

这意味着最后一列将被忽略。

【讨论】:

  • 这是新事物:|然后你只是扔掉最后一列??我建议您将图像重新缩放为适当的比例。可能会将图像大小更改为 223。这将为您提供一个整数来使用
猜你喜欢
  • 2022-01-10
  • 1970-01-01
  • 2016-11-01
  • 2017-07-03
  • 2017-05-21
  • 2016-12-04
  • 1970-01-01
  • 2017-01-06
相关资源
最近更新 更多