机器学习与深度学习 / 系统课时
用填充保留图像边缘信息
用填充保留图像边缘信息
卷积如果直接从图像内部滑动,边缘像素参与计算的次数会更少,特征图也会持续缩小。本节用尺寸计算和可运行示例说明 Padding 如何改变边界参与方式,并给出保持输入输出空间尺寸的常用设置。
学习目标
- 解释无填充卷积为什么会削弱边缘信息并缩小特征图
- 根据卷积核、步幅与填充量计算输出空间尺寸
- 判断零填充与其他边界填充策略的适用场景
无填充为什么会影响边缘
设输入是 ,卷积核是 ,步幅为 1。如果不填充,卷积核左上角只能从合法位置开始滑动,因此输出只有 。中心像素能被多个窗口覆盖,而四角像素只会出现在极少数窗口中。
这种差异意味着网络越深,靠近图像边界的信息越容易快速消失。对于主体可能贴近画面边缘的分类、检测或分割任务,这种损失尤其明显。

输出尺寸由三个参数共同决定
对单个空间维度,输出大小可以写成 floor((H + 2P - K) / S) + 1。其中 H 是输入尺寸,K 是卷积核尺寸,S 是步幅,P 是两侧各增加的填充量。
以输入宽高 5、卷积核 3、步幅 1 为例:无填充时输出为 3;两侧各填充 1 个像素时,输出重新变成 5。下面的完整 Python 程序同时验证两种情况。
from typing import List
def output_size(size: int, kernel: int, stride: int, padding: int) -> int:
# 卷积只能落在完整窗口覆盖的位置,因此需要向下取整。
return (size + 2 * padding - kernel) // stride + 1
def zero_pad(matrix: List[List[int]], padding: int) -> List[List[int]]:
width = len(matrix[0]) + 2 * padding
padded = [[0] * width for _ in range(padding)]
for row in matrix:
padded.append([0] * padding + row + [0] * padding)
padded.extend([[0] * width for _ in range(padding)])
return padded
def main() -> None:
image = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9],
]
print("valid output:", output_size(5, 3, 1, 0))
print("padding=1 output:", output_size(5, 3, 1, 1))
print("padded 3x3 input:")
for row in zero_pad(image, 1):
print(row)
if __name__ == "__main__":
main()预期输出
valid output: 3
padding=1 output: 5
padded 3x3 input:
[0, 0, 0, 0, 0]
[0, 1, 2, 3, 0]
[0, 4, 5, 6, 0]
[0, 7, 8, 9, 0]
[0, 0, 0, 0, 0]如何保持空间尺寸
当卷积核大小是奇数、步幅为 1 时,常用做法是令 P = (K - 1) / 2。因此 3x3 卷积使用 P=1,5x5 卷积使用 P=2,都可以让输出宽高与输入一致。这类设置通常被称为保持空间尺寸的填充。
如果步幅大于 1,输出本来就承担降采样职责,此时不能仅凭上述规则判断最终大小。还要把步幅代入尺寸公式,或者直接检查框架实际产生的张量形状。
选择边界填充策略
零填充实现简单、计算规律,也是 CNN 中最常见的默认选择。反射填充会用边界附近的真实像素镜像扩展,复制填充则重复最外层像素,它们在图像生成、复原等对边界连续性敏感的任务中可能更自然。
判断策略时先看任务目标:如果重点是稳定控制特征图尺寸,零填充通常足够;如果输出本身需要保持视觉连续性,再考虑反射或复制边界。无论选择哪一种,都应把填充当作卷积运算的一部分,而不是只为了凑尺寸的附加参数。