YOLO层尺寸

Question

根据原纸，YOLO网络层的输入大小为448x448x3，在应用滤波器(7x7x64-s-2)后，如我所设想的，输出形状为221x221x192。一些资料来源断言输出形状是224x224x192，但是如果我们不使用内核(2x2x64-s-2)，怎么可能呢？

我想用keras来实现它。但是我的代码不允许获得它给出的下一个层的正确大小(无，221,221，64)

model = Sequential()
# The 1st layer
model.add(Conv2D(filters=64, kernel_size=7,
                 strides=2, input_shape=(448,448,3)))
model.add(LeakyReLU(alpha=0.1))

Answer 1

通常，当我们使用CNN时，我们使用填充卷积，这样，激活映射具有与输入相同的大小。

看这个视频，了解填充是如何工作的：吴教授关于填充的课程 (您需要一个帐户来观看完整的视频)

在Keras中，Conv2D层有一个名为“填充”的参数，这里有一个指向文档的链接：Keras的卷积层文档

请注意，因为他们说，当使用与1不同的步长时，将填充设置为“相同”(这里是您的情况)可能会不一致，这取决于您使用的后端。我让你试着看看第二层是否有正确的形状。

这样，您的conv层输出应该与本文中的224x224相同(在maxpool层之后为112x112 )。

注意:小心你的过滤器号码。您将过滤器的数目设置为64，但在本文中，过滤器的数目是192 (我猜是64*3，因为有3个通道?)