填充扭曲图像的边缘？

Question

我读到深度学习算法在将滤波器应用到矩阵之前应用零填充，但是这不会扭曲图像的边缘，特别是如果重用过滤后的图像？

不确定我是否错了，但我认为当滤镜应用于零填充的部分时，图像的边缘将继续减小，因此重复此操作将导致“零边框”增加规模。

Answer 1

当应用的图层内核大于1x1时，您所谈论的情况在卷积神经网络领域很常见。在这种情况下，边缘像素将被切除以产生所得到的特征图。这不一定是个问题。像U-Net这样的架构通过仔细定义初始图像大小来解释这一点，因此像MaxPooling这样的操作正在处理偶数输入维度。大多数情况下，填充应用于卷积层，因为它可以更轻松地处理不同类型的分辨率。输入和输出将具有相同的空间分辨率。

正如您所指出的，这意味着边缘的一些额外处理，以便不伪造值。一种方法是使用零填充并除以调整后的相关像素数。例如，如果3x3内核计算特征贴图的角落值，则它将覆盖填充的5个像素和实际图像的4个像素。

因此，操作的最后一步不是像往常那样除以9，而是除以4，因为内核当前只覆盖了4个相关像素。

另一种方法是使用填充，其中边缘像素值被复制到新边框。这就是为什么在Keras中它被称为padding='same'。