深度学习及其应用-核心知识点教案卷积后特征图的大小计算.doc

卷积后特征图的大小计算

学情分析

本课程面向计算机视觉或深度学习方向的学生，学生已掌握卷积神经网络(CNN)基础概念，但缺乏对特征图尺寸变化规律的定量分析能力。

通过超星泛雅平台课前测试发现：

1.85%学生能描述卷积操作过程，但仅40%能正确推导输出尺寸

2.常见误区包括忽略padding影响、步长计算错误等

3.学生对医疗影像分割、自动驾驶等实际场景中的尺寸计算需求认知不足

教学目标

【知识目标】

1.掌握特征图尺寸计算公式$\frac{W-F+2P}{S}+1$

2.理解各参数(W:输入尺寸,F:卷积核大小,P:填充,S:步长)的物理意义

【能力目标】

1.能计算不同