深度学习中的padding问题研究

原创 已于 2023-08-18 17:41:40 修改 · 263 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #神经网络 #人工智能

于 2023-06-12 16:48:27 首次发布
本文探讨了在图像处理中，当设置padding为valid和same时，图片尺寸如何变化。对于padding=same，新图片大小(N)等于原图片大小(W)除以步长(S)的向上取整。而padding=valid，则N计算为(W-卷积核/池化窗口大小(F)+1)除以步长S的向上取整。这两种方式影响着卷积或池化操作后的输出尺寸。

研究padding = valid和same，图片大小的变化情况

1、padding = same

N=WSwhere W:原图片大小，S:Strides步长，N:现图片大小（向上取整）N=\frac{W}{S} \\ where \space W:原图片大小，S:Strides步长，N:现图片大小（向上取整） N=SW​where W:原图片大小，S:Strides步长，N:现图片大小（向上取整）

2、padding = valid

N=W−F+1Swhere W:原图片大小，F:卷积核、池化窗口大小，S:步长，N:现图片大小（向上取整）N=\frac{W-F+1}{S} \\ where \space W:原图片大小，F:卷积核、池化窗口大小，S:步长，N:现图片大小（向上取整） N=SW−F+1​where W:原图片大小，F:卷积核、池化窗口大小，S:步长，N:现图片大小（向上取整）

ai_patch
关注
深度学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
01-05 36万+
本文详细介绍深度学习概念及原理，参考网上相关资料汇总，内容包含众多章节，包括神经网络基础及常见深度学习网络结构介绍，用于个人学习总结，适合深度学习初学者学习。同时介绍机器学习常见的分类算法：SVM、神经网络、随机森林、逻辑回归、KNN、贝叶斯。常见的监督学习算法：感知机、SVM、人工神经网络、决策树、逻辑回归.........
工业缺陷检测：基于深度学习的表面缺陷分类
最新发布
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
05-21 3万+
工业缺陷检测：基于深度学习的表面缺陷分类 ，人工智能，计算机视觉，大模型，AI，在现代工业生产中，产品质量直接影响企业的竞争力和声誉，工业缺陷检测作为质量把控的重要环节，其技术的发展至关重要。传统的人工检测方式效率低、成本高且易受主观因素影响，难以满足大规模、高精度的生产需求。随着深度学习技术的蓬勃发展，基于深度学习的工业表面缺陷分类方法凭借强大的特征提取和模式识别能力，成为解决工业缺陷检测难题的有效途径。本文将深入探讨基于深度学习的工业表面缺陷分类技术，结合详细的代码示例和概念解析。
padding=“valid“和“same“的区别以及输出尺寸计算
ruyingcai666666的博客
08-22 7348
padding=valid表示without padding，padding=same表示with zero padding 设输入图像尺寸为W，卷积核尺寸为F，步幅为S，Padding使用P，则经过卷积层或池化层之后的图像尺寸为（W-F+2P）/S+1。 （1）如果参数是‘’SAME’’，那么计算只与步长有关，直接除以步长 W / S(除不尽，向上取整) （2）如果参数是‘VALID’,那么计算公式如上：(W – F + 1) / S （结果向上取整） ...
Tensorflow中conv2d的两种padding方式（SAME与VALID）选择以及与Pytorch中对比
gouchen_的博客
11-15 2643
Tensorflow和卷积中padding的一些异同，以及SAME和VALID的理解与使用
padding = “SAME”与padding = “VALID”
qq_41078023的博客
04-19 3544
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是553，过滤器是333，padding设置的值是SAME，所以我一开始预想的是输出557（有7个过...
深度学习 tensorflow中的padding：valid和same
四个菜
05-03 608
1 TensorFlow给出的定义 The TensorFlow Convolution example gives an overview about the difference between SAME and VALID : For the SAME padding, the output height and width are computed as: out_height = ce...
深度学习笔记（三十）CNN的Padding及卷积步长Stride
我的技术栈碎碎念空间
02-10 3336
文章目录一、直接卷积运算的缺点二、Padding三、两种卷积方式四、卷积步长Stride五、互相关（cross-correlation）和卷积（convolution）的技术说明 一、直接卷积运算的缺点 如果图像是n×nn\times nn×n，过滤器是f×ff \times ff×f，那么卷积运算的结果是(n−f+1)×(n−f+1)(n-f+1)\times (n-f+1)(n−f+1)×(n−f+1) 随着一次次卷积运算的进行，图像会越来越小，如果神经网络深度很大，图像可能变得特别特别小。 覆盖边缘
信息安全领域中鲁棒的深度学习及其应用研究.pdf
08-18
此外，文章还探讨了深度学习模型在图像和语音输入手段中的应用，并讨论了移动设备普及带来的新挑战。移动设备的便捷性和实用性导致了深度学习模型的广泛应用，但同时也对模型的鲁棒性和安全性提出了更高的要求。 ...
深度学习中的重参数机制总结和实现1
08-04
总之，重参数机制是深度学习中的一种创新方法，它允许我们设计出在训练时表现优秀、在测试时计算效率高的模型。通过理解和实现ACNet和RepVGG这样的技术，我们可以更好地掌握这一理念，并将其应用于实际的项目开发中...
深度学习在图像分割中的应用
shejizuopin的博客
04-10 896
图像分割是将图像划分为多个子区域的过程，每个子区域具有相似的属性，如颜色、纹理或形状。图像分割在医学图像分析、自动驾驶、遥感图像处理等领域有广泛应用。深度学习在图像分割中取得了显著的成果，通过合理选择模型、优化训练策略和评估方法，可以实现高性能的图像分割。本文介绍了 FCN、U-Net 和 Mask R-CNN 等常用模型，并提供了代码和表格示例，帮助读者更好地理解和应用深度学习在图像分割中的技巧。未来，随着深度学习技术的不断发展，图像分割的性能将进一步提升，为计算机视觉领域带来更多的可能性。
padding参数为SAME和VALID的区别
wuguangbin1230的博客
01-31 1万+
1..讲解 卷积：conv2 "VALID" = without padding: inputs: 1 2 3 4 5 6 7 8 9 10 11 (12 13) |________________| dropped
神经网络中padding的两种方式“SAME”和“VALID”
smiling614的博客
01-23 6171
1.padding=‘SAME‘         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动两步之后，VALID方式发现余下的窗口不到2×2所以直接将第三列舍弃，而SAME方式并不会把多出的一列丢弃，但是只有一列了就填充一列0 2.1.padding=‘VALID’         卷积核在进行卷积时候，假设原图是3X3,卷积核为2x2,步长为2，当向右滑动...
Tensorflow中padding 参数VALID和SAME的不同
暮日落流年的博客
06-27 1万+
之前看人家程序的时候，看到好多程序卷积层网络中参数padding都是设置SAME，自己一直也没有注意。但是有时候遇到不同的卷积核以及相同的stride，发现最后产生的特征图是一样的，也没有仔细深究。今天刚好也遇到了，上网发现有很多相关资料，这里也就是自己学习一下，下次遇到了就会知其所以然了。 1. 简单公式 这里参考了Tensorflow中卷积的padding操作 首先是引出paddi...
对于 CNN 卷积网络的理解——Padding 的两种方式
weixin_40267373的博客
05-03 3785
TensorFlow—Conv2D padding 问题导言1. Padding='VALID'2. Padding='SAME'2.1. 2x2 大小的卷积核2.2. 3x3 大小的卷积核2.3. 4x4 大小的卷积核3. 对齐方式不同 导言 最近在看卷积神经网络（CNN）的时候，遇到了 padding 这个属性（补全方式），查了很多资料，发现目前网上讨论的大都是padding之后输出张量大小如...
【tensorflow】padding 中‘SAME‘ 和‘VALID‘区别
froot的博客
04-26 623
根据tensorflow中的conv2d函数，我们先定义几个基本符号 1、输入矩阵 W×W，这里只考虑输入宽高相等的情况，如果不相等，推导方法一样，不多解释。 2、filter矩阵 F×F，卷积核 3、stride值 S，步长 4、输出宽高为 new_height、new_width 当然还有其他的一些具体的参数，这里就不再说明了。 我们知道，padding的方式在tensorflow里分两种，一...
当padding为“SAME” 和 “VALID”卷积层输出尺寸的大小的计算
穿拖鞋的都是大佬
10-15 3684
我们32323的图像，用553的卷积核在图像上滑过 计算如图所示（多通道图计算请自行脑补）： 卷积之后的尺寸大小计算公式为： 其中：输入图片大小 W×W Filter大小 F×F 步长strides S padding的像素数 P 输出大小为NxN 在实际操作时，我们还会碰到 padding的两种方式 “SAME” 和 “VALID”，padding = “SAME”时，会在图像的周围填 “0”，padding = “VALID”则不需要，即 P=0。一般会选“SAME”，以来减缓图像变小的速度，二
卷积神经网络padding为SAME和VALID的区别
随随便便记录些东西
08-22 2114
卷积神经网络padding为SAME和VALID的区别 参考：https://stackoverflow.com/questions/37674306/what-is-the-difference-between-same-and-valid-padding-in-tf-nn-max-pool-of-t “SAME”：不填充 “VALID”：首先尝试两边均匀填充（如果没法平分，就将平分之后剩余的填...
padding卷积的两种方式“SAME”和“VALID”
简简单单
03-26 1万+
conv2d是常用的实现卷积的，Tensorflow调用Conv的api时，常用代码如下： 查看：https://tensorflow.google.cn/api_docs/python/tf/nn/conv2d tf.nn.conv2d( input, filter, strides, padding, use_cudnn_on_gpu=True,...
TensorFlow中padding卷积的两种方式“SAME”和“VALID”
热门推荐
syyyy712的博客
05-10 6万+
最近在用tensorflow搭建卷积神经网络，遇到了一个比较棘手的问题，我一直理解的padding有两个值，一个是SAME，一个是VALID，如果padding设置为SAME，则说明输入图片大小和输出图片大小是一致的，如果是VALID则图片经过滤波器后可能会变小。 如下图： 从程序中可以看出我的输入是5*5*3，过滤器是3*3*3，padding设置的值是SAME，所以我一开始预想的是...
深度学习中的卷积运算指南：调参与矩阵操作
标签中提到了CNN调参、机器学习、深度学习和padding。这些标签体现了本文的重点是卷积神经网络中的参数调整，特别是如何通过调整padding来控制输出特征图的大小。此外，文章还涉及机器学习和深度学习的基础知识，...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值