CNN：输入步幅与输出步幅
CNN: input stride vs. output stride
论文中'Fully Convolutional Networks for Semantic Segmentation'
作者在反卷积的上下文中区分了输入步幅和输出步幅。
这些术语之间有何不同？
输入步幅是过滤器的步幅。你在输出中移动了多少滤波器。
Output Stride这其实是一个标称值。在进行了几次卷积、最大池化操作之后，我们在 CNN 中得到了特征图。假设我们的输入图像是 224 * 224 而我们的最终特征图是 7*7 .
然后我们说我们的输出步长是：224/7 = 32（下采样后图像发生的近似值。）
这个张量流 script 描述了这个输出步长是什么，以及如何在密集预测的情况下在 FCN 中使用。
one uses inputs with
spatial dimensions that are multiples of 32 plus 1, e.g., [321, 321]. In
this case the feature maps at the ResNet output will have spatial shape
[(height - 1) / output_stride + 1, (width - 1) / output_stride + 1]
and corners exactly aligned with the input image corners, which greatly
facilitates alignment of the features to the image. Using as input [225, 225]
images results in [8, 8] feature maps at the output of the last ResNet block.
论文中'Fully Convolutional Networks for Semantic Segmentation' 作者在反卷积的上下文中区分了输入步幅和输出步幅。 这些术语之间有何不同？
输入步幅是过滤器的步幅。你在输出中移动了多少滤波器。
Output Stride这其实是一个标称值。在进行了几次卷积、最大池化操作之后，我们在 CNN 中得到了特征图。假设我们的输入图像是 224 * 224 而我们的最终特征图是 7*7 .
然后我们说我们的输出步长是：224/7 = 32（下采样后图像发生的近似值。）
这个张量流 script 描述了这个输出步长是什么，以及如何在密集预测的情况下在 FCN 中使用。
one uses inputs with spatial dimensions that are multiples of 32 plus 1, e.g., [321, 321]. In this case the feature maps at the ResNet output will have spatial shape [(height - 1) / output_stride + 1, (width - 1) / output_stride + 1] and corners exactly aligned with the input image corners, which greatly facilitates alignment of the features to the image. Using as input [225, 225] images results in [8, 8] feature maps at the output of the last ResNet block.