填充与步幅

一个3x3的卷积核对6X6的图像进行卷积，得到一个4x4的图像

此时，生成图像长或宽 l=n-f+1

使用过滤器对图像进行卷积出现的问题有：

每次卷积后图像都会变小，当网络过深的时候，就会遗失许多像素

过滤器对边缘像素访问仅一次，对中间像素访问较多，会遗失边缘细节

为解决以上问题，对图像进行填充

对原图像进行填充后，利用滤波器进行卷积后的图像长或宽变成了：l=n+2p-f+1

此时，输出图像大小与原图大小一致，并且边缘像素与输出图像的更多像素有关

卷积分为valid和same类型

valid类型：不对图像进行填充，输出图像 l=n-f+1

same类型：对图像进行填充，使输入输出图像大小相同 l=n+2p-f+1即n+2p-f+1=n,可对p求解

在计算机视觉中，过滤器大小通常是奇数

步幅

有时候为了高效计算或是缩减采样次数，卷积窗口可以跳过中间位置，每次滑动多个元素。

将每次滑动元素的数量称为步幅（stride）

输入元素无法填充满窗口时，则舍弃

• 填充可以增加输出的高度和宽度。这常用来使输出与输入具有相同的高和宽。

• 步幅可以减小输出的高和宽，例如输出的高和宽仅为输入的高和宽的1/n（n是一个大于1的整数）。

• 填充和步幅可用于有效地调整数据的维度