Ein einkanaliges Bild mit 28×28 Pixeln wird mit einem 5×5-Filter gefaltet (Stride 1, kein Padding), anschließend folgt ein 2×2-Max-Pooling (Stride 2). Wie groß sind Höhe und Breite der Ausgabe?

Antwort: A. 12×12

Die Ausgabegröße einer Faltung beträgt (N + 2P − F) ÷ S + 1, wobei N die Eingabegröße, F die Filtergröße, P das Padding und S der Stride ist. (28 + 0 − 5) ÷ 1 + 1 = 24, nach der Faltung ist die Ausgabe also 24×24 groß. Ein 2×2-Max-Pooling mit Stride 2 behält für jeden 2×2-Bereich nur einen Höchstwert und halbiert so Höhe und Breite auf 12×12. Pooling hat keine trainierbaren Parameter; es verkleinert die Daten, um den Rechenaufwand zu senken, und macht das Netz unempfindlicher gegen kleine Positionsverschiebungen.