conv-neural-network - CNN : input stride vs. 输出步幅

Question

在论文“用于语义分割的全卷积网络”中作者在反卷积的背景下区分了输入步幅和输出步幅。这些术语有何不同？

Answer 1

输入步幅是过滤器的步幅。输出中滤波器的移动量。

输出步幅这实际上是一个标称值。经过多次卷积、最大池化操作后，我们得到了 CNN 中的特征图。假设我们的输入图像是 224 * 224 ，最终的特征图是 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情况的近似值。)

这个 tensorflow script描述一下这个输出步幅是什么，以及如何在FCN中使用，即密集预测的情况。

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.