Yolov3 config file 中 pad 的理解

最近在入门学习object detection, 在查看yolov3的config file时, 被一个参数 pad=1 搞得晕头转向, 几经查询终于有了一些眉目。

pad = 1 代表什么

首先，pad=1不是说padding的取值为1(我傻傻的这样认为了好久)。 官方的解释我没有找到，我会再找一找。在参考了一些资料^{1 2}之后，我发现在这个cfg file中pad的选项有两个，1 或者0。
当pad=1的时候，padding = (kernel-1) // 2;
当pad=0的时候，padding就是依据给出的padding值。

pad=0的情况这里先不做讨论，因为在yolov3的cfg文件中，pad都是为1的情况。
那么下面就来看看为什么pad=1的时候，padding=(kernel-1)//2 意味着什么。

padding =（kernel-1）// 2 代表什么

这里要拿出最著名的公式之一

$$S_{output}=\frac{S_{input}+2p-k}{S}+1$$
$S_{output}$就是输出的size， $S_{input}输入的size$， $p$是padding的取值，$k$是kernel的size， $S$是stride取值。

先来看下如果$p=\frac{k-1}{2}$ 会发生什么
$$k=2p+1$$.
带入刚才的公式

$$\begin{array}{rl}{S}_{output}& =\frac{S_{input}+2p-(2p+1)}{S}+1\\ & =\frac{S_{input}+2p-2p-1}{S}+1\\ & =\frac{S_{input}-1}{S}+1\end{array}$$
这个时候，如果 $S=1$， 也就是stride=1, $S_{output}==S_{input}$, 也就达到了"same" padding的作用。

类似的，如果 $S=2$, 就达到了size减半的效果（会出现除不尽的情况，但是向下取整就是了）

在查看了yolov3的网络框架，就会发现，same padding运用在residual的block中，确保了residual合并的时候size一致。每一个residual block结束就会用S=2来把size减半。 图片来源researchgate

第一次发博，才体会到原来把一个想法写出来是很繁琐的事情， respect to 所有把自己知识总结下来分享给他人的博主们。如果有哪里写的不对，烦请指正，在此感谢先。

---

1. https://blog.csdn.net/qq_35872456/article/details/84216129 ↩︎

2. https://cloud.tencent.com/developer/article/1582755 ↩︎