რა არის stride და padding? როგორ ახდენენ ისინი კონვოლუციის გამოსვლის ზომაზე გავლენას?

Stride (კონვოლუციის ნაბიჯი) — ეს არის პარამეტრი, რომელიც განსაზღვრავს, რამდენი პიქსელი (ან ელემენტი) გადადის კონვოლუციური ფილტრის მიერ შესვლის სურათზე თითოეულ გამოყენებაზე. მაგალითად, stride=1 ნიშნავს, რომ ფილტრი გადადის 1 პიქსელით, stride=2 — 2 პიქსელით და ასე შემდეგ.

Padding (შევსება) — დამატებითი პიქსელების (ზოგჯერ ნულების) დამატება შესვლის სურათის კიდეებზე კონვოლუციის გამოყენებამდე. ეს კეთდება გამოსვლის ზომის კონტროლისთვის და ინფორმაციის შენარჩუნებისთვის კიდეებზე.

შედეგი გამოსვლის ზომაზე:

• უფრო დიდი stride-ით გამოსვლის ზომა მცირდება, რადგან ფილტრი გადის მეტი პოზიციას.
• Padding ზრდის შესვლის ზომას, რაც საშუალებას აძლევს შენარჩუნდეს ან გაიზარდოს გამოსვლის ზომა.

ფორმულა გამოსვლის ზომის გამოთვლისთვის (ერთი განზომილებისთვის):

გამოტანა = floor((შესვლა + 2 * Padding - KernelSize) / Stride) + 1

სად:

• შესვლა — შესვლის სურათის ზომა ამ განზომილებაში
• KernelSize — ფილტრის ზომა
• Padding — დამატებული პიქსელების რაოდენობა თითოეულ მხარეს
• Stride — ფილტრის გადაადგილების ნაბიჯი

მაგალითად, შესვლა 7, kernel=3, padding=1, stride=1: გამოტანა = floor((7 + 2*1 - 3)/1) + 1 = floor(7) + 1 = 7

ანუ, გამოსვლის ზომა შენარჩუნებულია.