了解2D卷积输出大小

Question

我是卷积数字图书馆的初学者。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，

​

我不理解第一个2D卷积的输出大小: 96*54*54。96看起来很好，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，因为论文中没有提到它。Keras Conv2D API产生相同的96*62*62大小输出。那么，为什么论文指向96*54*54？我遗漏了什么？

Answer 1

嗯，这让我想起了AlexNet paper，在那里我也犯了类似的错误。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

作者很可能错误地写了256x256，而不是实际的架构输入大小为224x224 (在AlexNet中也是这样)，或者另一个不太可能的选择是，他们写了256x256，这是真实的架构输入大小，但计算的是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，我甚至不认为这是一个选择。

因此，我认为真正的输入大小是224x224而不是256x256。