如何计算YOLO中卷积层的输出大小？

Question

这是YOLO的架构。我试图自己计算每一层的输出大小，但我无法得到文章中描述的大小。

例如，在第一个Conv层中，输入大小为448x448，但它使用带有步幅2的7x7滤波器，但根据此等式 W2 =（W1-F + 2P）/ S + 1 =（ 448 - 7 + 0）/ 2 + 1 ，我无法得到整数结果，因此滤波器大小似乎不适合输入大小。

所以任何人都可以解释这个问题？我错过了什么或误解了YOLO架构吗？

Answer 1

好吧，我花了一些时间学习源代码，并了解输入图像在图像的顶部，下部，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以这种方式计算： Output_size = ceil（（W-F + 1）/ S）=（454-7 + 1）/ 2 = 224 ，因此，输出大小应 224x224x64

我希望这可能会有所帮助

Answer 2

正如Hawx Won所说，输入图像已添加了额外的3个填充，这就是源代码的工作原理。

对于卷积层，如果启用了pad，则每个层的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;

size是过滤器的形状。

因此，对于第一层： padding = size / 2 = 7/2 = 3

则第一卷积层的输出应为：

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