卷积层输出大小计算

3.5 步长与卷积核大小对结果的影响_哔哩哔哩_bilibili

小的步长：提取细粒度的特征，提取小特征。图像识别一般用3×3的卷积核，步长一般设置为1.

大的步长：提取粗粒度的特征，提取大特征。

https://blog.csdn.net/program_developer/article/details/80943707

（1）公式：

假设：输入图片（Input）大小为I*I，卷积核（Filter）大小为K*K，步长（stride）为S，填充（Padding）的像素数为P，那卷积层输出（Output）的特征图大小为多少呢?

可以得出推导公式：

O=（I-K+2P）/S+1

（2）例子：

我们采用的卷积核大小为K=3*3，填充大小为P=1，步长为S=2。对5*5的输入特征图进行卷积生成3*3的特征图，结果如下图所示：

计算公式为：

Reference：

（1）https://blog.csdn.net/jacke121/article/details/79259348

（2）https://blog.csdn.net/u010725283/article/details/78593410/

（3）https://blog.csdn.net/leviopku/article/details/80327478