假设已知当前卷积层的输入图像尺寸(W)、卷积神经元可视野尺寸(F)、采用的步长(S)、边缘填充零值的数量(P),得到输出特征图的尺寸计算公式为:[(W-F+2P)/S] +1
池化层能够逐渐减小表达空间的尺寸,从而降低网络中的参数数量和计算开销;同时池化层能够起到控制过拟合的作用。
假设已知当前卷积层的输入图像尺寸(W)、卷积神经元可视野尺寸(F)、采用的步长(S)、边缘填充零值的数量(P),得到输出特征图的尺寸计算公式为:[(W-F+2P)/S] +1
池化层能够逐渐减小表达空间的尺寸,从而降低网络中的参数数量和计算开销;同时池化层能够起到控制过拟合的作用。