影像卷積輸出尺寸 使用指南

輸入輸入尺寸、卷積核、步長與填充，計算卷積或池化後的特徵圖尺寸，適用於 CNN 結構設計、模型維度核對與部署適配。

計算公式與原理

輸出尺寸 = ⌊(W + 2P − K − (K − 1)(D − 1))/S⌋ + 1；感受野 = K + (K − 1)(D − 1)

卷積輸出尺寸由輸入寬、卷積核、填充、步長與膨脹率共同決定，結果須為整數，非整除時多數框架向下取整（丟棄邊緣）。膨脹卷積用 (K−1)(D−1) 擴大感受野而不增加引數，適合密集預測任務。

使用步驟

1. 填寫「輸入尺寸」。
2. 填寫「卷積核大小」。
3. 填寫「步長」。
4. 填寫「填充」。
5. 填寫「空洞率」。
6. 結果區會即時更新；可一鍵複製結果用於記錄或彙報。

典型使用場景

• 輸出尺寸 out=⌊(in+2×pad−kernel)/stride⌋+1（向下取整）。
• 池化層用相同公式；空洞卷積需把 kernel 替換為 dilation×(k−1)+1。
• 設計 CNN 時需逐層推算特徵圖尺寸，確保首尾維度匹配、不出現負數。

算例參考

• 卷積層尺寸推算：輸入 224×224，kernel=3, stride=1, padding=1 → out=224。若 stride=2 → out=⌊(224+2−3)/2⌋+1=112，特徵圖減半，通道數不變。

注意事項

結果為按上述公式得到的理論估算值，實際表現受資料分佈、實現細節與執行環境影響，落地決策請以實測為準；本工具純前端執行，輸入不上傳伺服器。

padding 有什麼用？

same padding(使 out=in/stride)保護邊緣資訊、控制尺寸；valid(無填充)逐步縮小特徵圖。邊緣畫素被卷積覆蓋次數少，填充可緩解邊緣資訊丟失。

輸出出現小數或負數說明什麼？

說明引數組合非法(如 stride 過大、kernel 超過輸入)。需調小 stride、增大 padding 或減小 kernel，直到公式結果≥1。