【发布时间】:2020-04-13 01:34:45
【问题描述】:
我有一个完全复杂的 CNN,我可以通过使用“相同”的填充和一个步长来设计它以具有完全相同的输出大小。
但是,我有一个图像翻译问题,我需要将输出调整为(W/26, H/15),其中(W, H) 是输入的大小。 (事先调整图像大小是有问题的,在我们的例子中它不是一个选项)
我理解使用公式:O = (I - F +2P )/s + 1。地点:
-
O: 输出大小 -
I: 输入大小 -
F: 过滤器大小 -
P: 填充 -
s:大步前进
我也许可以使用一些非常奇怪的过滤器尺寸来实现这一点。但是是否有系统或有组织的方式来构建这样一个网络以减少输入大小?
【问题讨论】:
标签: machine-learning image-processing deep-learning computer-vision conv-neural-network