【学习笔记】Week1_Convolutional Neural Networks_Padding

1、Padding(填充)

1、用卷积运算进行图像边缘检测的缺点:

    1)用卷积运算进行图像边缘检测会使图像 Shrink(压缩)

        经过一次卷积后图像分辨率为:n - f + 1 * n - f + 1        # 原图像分辨率为 n * n;卷积核尺寸为 f * f

        经过多个卷积层之后图像分辨率会变得非常小

    2)图像边缘的像素很少被用到、丢失了很多信息

    解决方法是在图像周围再填充 p = padding 圈像素(为了方便,全部用灰度值 0 填充)

    这样经过一次卷积后图像分辨率为:n + 2p - f + 1 * n + 2p - f + 1

    

2、填充多少圈像素(两种方法)

    1)Valid Convolutions

        不填充

        

    2)Same Convolutions

        使输出图像尺寸与输入图像尺寸相同

        p = (f - 1) / 2        # f 为奇数(在计算机视觉领域,f 通常是奇数、如果 f 是偶数,那么就需要进行两侧不对称的填充)

        

猜你喜欢

转载自blog.csdn.net/megazhan/article/details/80171464