卷积神经网络(CNN) 特征图大小计算 - 输入200x200，输出尺寸分析

根据给定的卷积和池化操作，可以计算每一层的输出特征图大小。

首先，经过第一层卷积操作，输入图片大小为200x200，经过卷积（kernel size 5x5，padding 1, stride 2）后，特征图大小计算公式为：

output_size = (input_size - kernel_size + 2 * padding) / stride + 1 = (200 - 5 + 2 * 1) / 2 + 1 = 98

所以第一层卷积后的特征图大小为98x98。

接下来，经过池化操作，特征图大小为98x98，经过池化（kernel size 3x3，padding 0, stride 1）后，特征图大小计算公式为：

output_size = (input_size - kernel_size) / stride + 1 = (98 - 3) / 1 + 1 = 96

所以经过池化后的特征图大小为96x96。

最后，经过第二层卷积操作，特征图大小为96x96，经过卷积（kernel size 3x3，padding 1, stride 1）后，特征图大小计算公式为：

output_size = (input_size - kernel_size + 2 * padding) / stride + 1 = (96 - 3 + 2 * 1) / 1 + 1 = 96

所以第二层卷积后的特征图大小为96x96。

因此，最终输出特征图大小为96x96。