输入图片大小为200×200;依次经过一层卷积(kernel size 5x5,padding 1,tride 2),pooling(kernel size 3x3.padding 0.stride 1),又一层卷积(kernel size 3×3,padding 1,stride 1)之后,输出特征图大小为():
时间: 2023-10-03 08:04:04 浏览: 362
关于keras.layers.Conv1D的kernel_size参数使用介绍
输入图片大小为$200\times 200$,第一层卷积核大小为$5\times 5$,padding为1,stride为2,因此第一层卷积运算后,输出特征图大小为:
$$
\frac{200+2\times 1-5}{2}+1=99
$$
第一层池化层的kernel size为$3\times 3$,padding为0,stride为1,因此第一层池化运算后,输出特征图大小为:
$$
\frac{99+2\times 0-3}{1}+1=97
$$
第二层卷积核大小为$3\times 3$,padding为1,stride为1,因此第二层卷积运算后,输出特征图大小为:
$$
\frac{97+2\times 1-3}{1}+1=97
$$
因此,最终输出的特征图大小为$97\times 97$。
阅读全文