转置卷积操作输出特征图大小计算

时间：2024-10-27 13:21:07浏览次数：9

标签：经过填充输出转置步骤卷积特征输入

转置卷积的操作步骤：

(1) 在输入特征图元素间填充s-1 行 s-1列 0

(2) 在输入特征图四周填充k-p-1 行 k-p- 列 0

(3) 将卷积核参数上下、左右进行翻转

(4) 做正常的卷积计算(填充0，步距1)

输出的尺寸计算(以列为例)：

经过步骤(1) :原本的输入特征图除了最后列，每一列的下面都填充了有 $(H_{in}-1)\times (s-1)$ 行，再加上原本的 $H_{in}$ ，得到的步骤(1)填充后的

$H_{in}^{'}$ = $(H_{in}-1)\times (s-1) + H_{in} = (H_{in}-1)s+1$

再经过步骤(2)：经过步骤(2)的填充操作，上下列都填充了 $(k-p-1)$ 列，即 $2(k-p-1)$ ，而不是一个 $(k-p-1)$ ;填充完之后的输入特征图大小为

$H_{in}^{'} = (H_{in}-1)s+1+2(k-p-1)$

经过步骤(3): 经过步骤(3)将卷积核进行上下、左右进行翻转

最后经过步骤(4): 将步骤(2)中得到的输出图大小进行卷积操作，这里的卷积核大小为 $k$ 、步距为 $s=1$ , 填充 $p^{'} = 0$ ， 通过卷积的尺寸输出公式可以得到：

$\frac{(H_{in}-1)s+1+2(k-p-1) + 2p^{'}-k}{s}+1$

整理得到:

$H_{out} = (H_{in}-1)s - 2p + k$

通过普通的卷积公式也可以得到这个结果:

普通卷积公式： $\frac{H_{in} +2p-k}{s}+1 =H_{out}$

$(H_{out}-1)s-2p+k = H_{in}$

标签：经过,填充,输出,转置,步骤,卷积,特征,输入
From： https://blog.csdn.net/2401_86073102/article/details/143267323

【机器学习】任务九：卷积神经网络（基于 Cifar-10 数据集的彩色图像识别分类、基于 CNN
1.卷积神经网络卷积神经网络（ConvolutionalNeuralNetwork,CNN）是一种专门用于处理数据网格结构（如图像、视频等）的深度学习模型，在计算机视觉任务中被广泛应用，如图像分类、目标检测、图像分割等。以下是卷积神经网络的详细介绍：1.1 卷积神经网络(CNN)结构及......
基于卷积神经⽹络（CNN）实现垃圾分类Matlab
源码⼀、垃圾分类如何通过垃圾分类管理，最⼤限度地实现垃圾资源利⽤，减少垃圾处置量，改善⽣存环境质量，是当前世界各国共同关注的迫切问题之⼀。根据国家制定的统⼀标准，现在⽣活垃圾被⼴泛分为四类，分别是可回收物、餐厨垃圾、有害垃圾和其他垃圾。可回收物表⽰适宜回收和资源利⽤......
（神经网络和卷积入门）Pytorch小土堆跟练代码（第8天）
本系列为跟练小土堆每集代码，然后进入李宏毅机器学习教程。在系列中会敲完所有视频中代码，并且在注释详细写出感悟和易错点。欢迎大家一起交流！最前面的神经网络和卷积，可以移步我的另一个帖子池化层只提取一部分特征，可以大大的加快训练速度最后输出类似于马赛克的效果'池......
C语言经典20例（输入数组元素，将其反转并输出）
1.定义数组：首先定义一个数组来存储输入的元素。2.输入元素：使用循环结构（如for循环）来从用户那里获取数组元素。3.反转数组：通过交换数组两端的元素来实现反转，这通常需要一个循环，该循环从数组的两端开始，向中间移动。4.输出反转后的数组：再次使用循环结构来打印反转后的数组。......
高级RAG技术：提升生成式AI系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化
高级RAG技术：提升生成式AI系统输出质量与性能鲁棒性【预检索、检索、检索后、生成优化等】检索增强生成（RAG）是一种强大的技术，它将信息检索与生成式AI相结合，以产生更准确、上下文更丰富的响应。本文将探讨15种高级RAG技术，以提高生成式AI系统的输出质量和整体性能的......
搞清楚这个老六的真面目！逐层‘剥开’人工智能中的卷积神经网络（CNN）
第三章：超越基础——图像中的特征检测上一篇《揭开计算机视觉的神秘面纱，原来机器是这样“看图”的！》本篇序言：上一篇我们实现并训练了一个神经网络，成功让计算机“看懂”了图像。可以说，我们已经一只脚跨进了AI研发的大门。不过，虽然我们迈入了AI这个神秘的领域，实际上，我们还只是......
YoloV8改进策略：卷积篇|大感受野的小波卷积
论文介绍论文背景：近年来，人们尝试增大卷积神经网络（CNNs）的核大小以模仿视觉转换器（ViTs）自注意力模块的全局感受野，但这种方法很快便达到了上限并饱和。论文提出了一种新的解决方案，即利用小波变换（WT）获得非常大的感受野。WTConv层：论文提出了一种新层，称为WTConv，该层使用WT来有效地......
深入探索卷积神经网络（CNN）：图像分类的利器
深入探索卷积神经网络（CNN）：图像分类的利器前言CNN的崛起：为何我们需要它？图像卷积：CNN的基石轮廓过滤器：捕捉边缘特征图像池化：降低维度的利器CNN的组成：卷积层、池化层与MLP的结合经典CNN模型：LeNet-5、AlexNet与VGG-16LeNet-5：CNN的先驱AlexNet：深度学习的里程碑VGG-16：标准化的典......
GESP一级真题分析-202303-选择题1-输入输出设备、存储单位、默认数据类型、标识符命名
GESP一级真题分析-202303-选择题1-输入输出设备、存储单位、默认数据类型、标识符命名PDF文档公众号回复关键字:202410261相关知识点1)输入输出设备输入设备是外界向计算机传送信息的装置。在微型计算机系统中，最常用的输入设备是键盘和鼠标。此外还有电子光笔、数字化......
【STC8H】KEIL C51使用标准printf输出数值不对解决方法
KEIL里扩展出了b,h,l来对输入字节宽的设置：（1）b八位（2）h十六位(默认)（3）l三十二位在KeilC51中用printf输出一个单字节变量时要使用%bd,如unsignedcharcounter;printf(“Currentcount:%bd\n”,counter);//输出8位”十进制有符号整数”printf(“Currentcount:%bx\n”,counter);//......

转置卷积操作输出特征图大小计算

相关文章

赞助商

阅读排行