tensorflow - 了解 2D 卷积输出大小

Question

我是卷积深度学习的初学者。我在论文Simultaneous Feature Learning and Hash Coding with Deep Neural Networks中看到了以下架构：对于大小为 256*256 的图像，

我不明白第一个2D卷积的输出大小：96*54*54。96 似乎很好，因为过滤器的数量是 96。但是，如果我们对输出大小应用以下公式：size = [(W−K+2P)/S]+1= [(256 - 11 + 2*0)/4] + 1 = 62.25 ~ 62。我假设填充, P 为 0，因为它在论文中的任何地方都没有提到。Keras Conv2D API 产生相同的 96*62*62 大小的输出。那么，为什么paper指向96*54*54呢？我错过了什么？

标签： tensorflowmachine-learningdeep-learningconv-neural-networkconvolution

Answer 1

嗯，它让我想起了AlexNet 论文中存在类似错误的地方。你的计算是正确的。我认为他们错误地写了 256x256 而不是 224x224，在这种情况下，输入层的计算是，

(224-11+2*0)/4 + 1 = 54.25 ~ 54

很有可能作者错误地写了 256x256 而不是真正的架构输入大小为 224x224（AlexNet 也是这种情况），或者另一个不太可能的选择是他们写了 256x256，这是真正的架构输入大小，但计算224x224。后者是可以忽略的，因为我认为这是一个非常愚蠢的错误，我认为这甚至不是一个选择。

因此，我相信真正的输入大小是 224x224 而不是 256x256。