YOLO中如何计算卷积层的输出大小？答案

【问题标题】：How to calculate the output size of a convoluitonal layer in YOLO?YOLO中如何计算卷积层的输出大小？
【发布时间】：2018-04-12 10:59:39
【问题描述】：

这是 YOLO 的架构。我正在尝试自己计算每一层的输出大小，但我无法获得论文中描述的大小。

例如，在第一个 Conv 层中，输入大小为 448x448，但它使用步长为 2 的 7x7 滤波器，但根据这个方程 W2=(W1−F+2P)/S+1 = ( 448 - 7 + 0)/2 + 1，我无法得到整数结果，所以过滤器大小似乎不适合输入大小。

那么任何人都可以解释这个问题吗？我是否遗漏了什么或误解了 YOLO 架构？

【问题讨论】：

你在说什么纸？至少提供一个链接。你对 YOLO 架构有误解吗？你是怎么理解的？
@Piglet 论文是arxiv.org/abs/1506.02640
我会使用一个框架来为你做这个计算，例如 Keras。

标签： machine-learning computer-vision computer-science yolo convolutional-neural-network

【解决方案1】：

正如 Hawx Won 所说，输入图像添加了额外的 3 个填充，这是从源代码中的工作原理。

对于卷积层，如果启用了pad，每层的padding值将通过以下方式计算：

# In parser.c
if(pad) padding = size/2;

# In convolutional_layer.c
l.pad = padding;

其中size 是过滤器的形状。

因此，对于第一层：padding = size/2 = 7/2=3

那么第一个卷积层的输出应该是：

output_w = (input_w+2*pad-size)/stride+1 = (448+6-7)/2+1 = 224

output_h = (input_h+2*pad-size)/stride+1 = (448+6-7)/2+1 = 224

【讨论】：

【解决方案2】：

好吧，我花了一些时间学习源码，了解到输入图像在图像的顶部、底部、左侧和右侧添加了额外的3个填充，因此图像大小变为（448+ 2x3)=454，有效填充的输出大小应该这样计算： Output_size=ceil((W-F+1)/S)=(454-7+1)/2=224，因此输出尺寸应为224x224x64 p>

希望对你有帮助

【讨论】：