本文详细介绍了卷积、反卷积和膨胀卷积在处理一维和二维图像时，输入输出尺寸的计算方法，重点讲解了如何确保相同尺寸输出以及膨胀卷积的kernel特点。适合用于快速查阅和理解卷积操作的尺寸变化规律。
本文主要的目的是总结所学，方便自己查阅，也欢迎大家给出指导。
*本内容仅限一维卷积和二维卷积
1、关于输入输出尺寸的总结：
通道维度：最简单的维度。可以自由调整。
对于 C x H X W 的图片
1）卷积算法：
输出尺寸为： （1）
int 在这里为上取整。i 为输入尺寸， H, W 两个维度的计算方法是一致的。p 为 padding， k 为kernel，s为stride。
对于same卷积，目的是输入和输出尺寸一致，需要 S = 1，则 i = i + 2p -k + 1。
可推导出： （2）
此时能够保证输入输出尺寸一致。
2）反卷积：
输出尺寸为
反卷积是一种特殊的卷积，当s=1时，可以推导出公式（2），此时输入和输出尺寸一致。
3）膨胀卷积
膨胀卷积的kernel不同，kernel的尺寸为：
(3) d 为膨胀系数。
2、参考资料：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
