Matlab（imfilter）和TensorFlow（tf.nn.conv2d）中的偶數過濾器（6x6）的中心像素在哪里？

Question

對於我的碩士論文，我目前正在將卷積運算從Matlab代碼移植到TensorFlow（Python API）。 例外是在Matlab中使用了偶數filter_size（6x6）。

通過調試Matlab的輸出和我的TensorFlow代碼，我認識到Matlab的功能過濾器的行為方式與TensorFlow中的tf.nn.conv2d操作不同。 我得到不同的均值和標准值，最小值和最大值相同。

我可以確認，我在Matlab和TF上的權重值相同並且正確地重塑了。 偏置只是一個標量，因此這也不是問題。

我的假設是函數imfilter（Matlab）和tf.nn.conv2d（TF）都不會使用相同的中心像素進行卷積，因為奇數內核大小的輸出是相似的。 因此，對於奇數的內核大小，兩個函數的操作相似。

這是Matlab代碼的一個片段：

imfilter(input_data(:,:,j), conv_subfilter, 'same', 0, 'conv');

conv_subfilter是一個6x6x48的過濾器內核，並且卷積一個寬度x Heigth x 48圖像-結果是TF和Matlab的深度為1的圖像

這是我的TF代碼的片段：

h_conv3_ip = convolution2d(max_pool_conv2, W_conv3_ip, b_conv3_ip, [1, 1, 1, 1], 'SAME', "h_conv3_ip")

def convolution2d(x, W, b, strides, padding, name):
    conv2d = tf.nn.conv2d(x, W, strides=strides, padding=padding, name=name) 
    conv2d = tf.add(conv2d, b, name=name) 
    return conv2d

有人可以告訴我內核中心是問題還是其他。 其他？ 預先感謝您的幫助！

Answer 1

我發現計算中心像素的正確公式是：floor（（[[mn] +1）/ 2）。 我在一個10x10補丁程序中對其進行了測試，該補丁程序已用進行了初始化。 過濾器6x6也使用1進行了初始化。 在左上邊界，對於TF和Matlab卷積，我的值均為16。 因此，關於中心像素的索引沒有差異。