计算机视觉 / 系统课时

步长、填充与特征图

步长、填充与特征图

步长决定卷积核每次移动多远,填充决定卷积前是否在输入边缘补值。二者共同控制特征图尺寸、计算量和空间细节,是理解 YOLO 中下采样与多尺度特征的基础。

学习目标

  • 根据输入尺寸、卷积核、步长和填充计算输出尺寸
  • 解释步长变化对计算量与细节保留的影响
  • 区分无填充与等尺寸填充的适用场景

步长决定采样密度

步长记作 SS。当 S=1S=1 时,卷积核每次移动一个像素,相邻窗口高度重叠,特征图较大,空间信息保留更充分;当 S=2S=2 时,每次跨过两个像素,输出宽高通常约减半。

更大的步长可以快速降低特征图尺寸,从而减少后续计算和显存占用,但也会跳过更多中间位置。对小目标检测而言,过早或过强的下采样可能让目标只剩很少几个特征点,甚至完全消失。

填充如何保护边缘

如果不填充,卷积核必须完全落在输入内部,边缘像素参与计算的次数少于中心像素,输出尺寸也会缩小。这种方式常称为 valid 卷积。

填充记作 PP,最常见做法是在四周补零。当卷积核为奇数尺寸、步长为 1,并设置 P=(K−1)/2P=(K-1)/2 时,输出宽高可以与输入保持一致,这类设置常被称为 same 卷积。

步长与填充对特征图尺寸的对比图

填充不是凭空创造真实图像内容。补零区域只用于让卷积核能够覆盖边界,并让网络继续利用靠近图像边缘的像素。边界附近的计算仍可能受到补充值影响,因此不同任务也会使用反射填充或复制填充。

特征图尺寸怎么计算

对单个空间维度,输出尺寸可按下面的规则计算:输出尺寸 = floor((输入尺寸 + 2 × 填充 - 卷积核尺寸) / 步长) + 1

假设输入宽高为 7×77 \times 7,卷积核为 3×33 \times 3。

设置 计算 输出尺寸
S=1,P=0S=1, P=0 floor((7 - 3) / 1) + 1 5×55 \times 5
S=1,P=1S=1, P=1 floor((7 + 2 - 3) / 1) + 1 7×77 \times 7
S=2,P=1S=2, P=1 floor((7 + 2 - 3) / 2) + 1 4×44 \times 4

若分子不能被步长整除,floor 会向下取整,意味着最右侧或最下侧无法完整覆盖的位置不会产生输出。因此设计网络时不能只凭“约减半”估算,仍应代入公式检查。

尺寸变化如何影响计算量

卷积计算量与输出宽、高、输入通道数、输出通道数和卷积核面积有关。其他条件不变时,步长从 1 改为 2,输出宽高大约各减半,输出位置数量约变为原来的四分之一。

填充本身通常不会增加可学习参数,因为卷积核大小和数量没有变化;但它会改变输出尺寸,从而影响实际乘加次数。保持大特征图有利于定位细节,却会增加计算成本。

在 YOLO 中如何取舍

YOLO 的骨干网络会逐步下采样,让深层特征拥有更大感受野并降低计算量;同时保留不同尺度的特征图,用较高分辨率特征检测小目标,用较低分辨率特征检测大目标。

因此,步长不是越大越好,填充也不是越多越好。合理做法是在关键层使用步长 2 完成受控下采样,并通过合适填充避免尺寸变化失控,再结合多尺度特征弥补细节损失。

按自己的节奏,确认真正理解。

目录与阅读设置

记录一个想法

步长、填充与特征图

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通