YOLO卷积层输出尺寸计算疑问：公式结果为何非整数？

Great question! Let's break this down step by step because it's easy to miss a key detail when calculating convolution output sizes for YOLO.

核心问题：你遗漏了Padding参数 #

YOLOv1的第一个卷积层并不是无Padding的，它实际使用了padding=3的设置（也就是在输入图像的四周各填充3个像素），这是你计算时漏掉的关键参数。

正确的计算过程 #

使用标准的卷积输出尺寸公式（结合深度学习框架的取整规则）：

W2 = floor((W1 - F + 2*P)/S) + 1

代入参数：

• 输入尺寸W1=448
• 滤波器大小F=7
• Padding值P=3
• 步长S=2

计算过程：

floor((448 -7 + 2*3)/2) +1 = floor(447/2) +1 = 223 +1 =224

这样就得到了论文中描述的224x224输出尺寸，完全符合预期。

为什么会出现非整数中间结果？ #

在YOLO最初的实现框架Darknet中，当(W1-F+2P)/S的结果为非整数时，会对其进行**向下取整（floor）**操作，再执行加1。这是因为卷积核从输入左上角开始滑动，若剩余像素不足以容纳一个完整的核，框架会忽略这部分边缘区域，最终输出整数尺寸的特征图。

额外提醒 #

YOLOv1之后的版本（如YOLOv2及后续）改用了416x416这类输入尺寸，因为416是32的倍数（YOLO的总下采样倍率为32），经过多次步长为2的卷积/池化后，所有层的输出尺寸都会是整数，避免了取整带来的困惑。

内容的提问来源于stack exchange，提问作者Thanh Le Hai Hoang