深度学习图像卷积计算过程以及输出尺寸

lijingle

下图是图像卷积的过程

这里存在几个定义，首先是图片的尺寸，这里我们设置为NxN，卷积核filters的大小为FxF，pad(图像边缘扩充的大小，一般扩充为0，也有copy图片边缘的值)定义为P, 卷积过程还有stride步长定义为S,这里经过一个卷积输出的图片尺寸就为
M = (N-F+2P)/S+1 这里如果除数为小数就向下取整。这就是图片卷积的计算。

pooling层计算方法

Outputsize​=Ceil[(Inputsize​+Padding∗2−Kernelsize​)/Stride]+1
注意：是对向上取整。