CNN中已知input_size、kernel_size、padding、stide计算output公式的理解

在进行卷积运算和池化的时候，对于输入图像大小为input_size，给定kernel_size、padding、stride，计算得出output_size为：

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

怎么理解这个等式？首先，考虑对图片横向的填充，有两个边所以加上2*padding。其次，考虑到卷积核kernel的右边到达图片的右边时候，此时占用了图片kernel_size个像素。因此，在一个方向上，知道起点和终点，还有步长，那么需要几步才能走完一个方向，那可想而知。其中每一步对应于下一个层的一个像素点（神经元）。