什么是反卷积（快速理解）

2024-05-27 10:23:19

什么是反卷积

参考博客

我们知道输入图像通过卷积神经网络（CNN）提取特征后，输出的尺寸往往会变小，而又是我们需要将图像恢复到原来的尺寸以便进行进一步的计算，整个扩大图像尺寸，实现图像由小分辨率到大分辨率的映射的操作，叫做上采样（Upsample）
反卷积是上采样的一种方式，反卷积也叫转置卷积。

图1 反卷积原理图（stride=1）

上图所示的就是一个反卷积的工作过程，与卷积过程的主要区别在于反卷积输出的图片尺寸会大于输入图片的尺寸，通过增加padding来实现这一操作，上图展示的是一个stride为1的反卷积过程。

图1 反卷积原理图（stride=2）

在进行反卷积的时候设置的stride并不是指反卷积在进行卷积时候卷积核的移动步长，而是被卷积矩阵填充的padding

比如上图中原输入是一个3×3的输入，此时要进行反卷积过程，且设置的stide=2，操作是在3×3的每一行每一列插入一行和一列的0的填充。
其次，我们还需要注意一个事，通过反卷积并不能还原之间的矩阵，只能从大小上进行还原，反卷积的本质还是卷积，只是在进行卷积之前，会进行一个自动的padding补充0，从而使得输出的矩阵和指定输出的矩阵的shape相同

如上图所示，我们用一个3×3的卷积核卷积一个4×4的输入，得到一个2×2的输出后，再进行反卷积，发现并不是原来的输入。其实很简单，第一个数相当于9个数相加等于4.5，用一个方程怎么可能解出9个未知数。所以反卷积不能还原原来的输入，只能保证shape相同。

参考博客

彻底搞懂CNN中的卷积和反卷积
https://blog.csdn.net/sinat_29957455/article/details/85558870

什么是反卷积（快速理解）相关推荐

卷积，反卷积，空洞卷积
卷积神经网络中卷积核的作用在于特征的抽取,越是大的卷积核尺寸就意味着更大的感受野,当然随之而来的是更多的参数.早在1998年,LeCun大神发布的LetNet-5模型中就会出,图像空域内具有局部相关性 ...
[CNN] 卷积、反卷积、池化、反池化
之前一直太忙,没时间整理,这两天抽出点时间整理一下卷积.反卷积.池化.反池化的内容,也希望自己对一些比较模糊的地方可以理解的更加清晰. 一.卷积 1.卷积的简单定义卷积神经网络中的卷积操作可以看做是 ...
深度可分离卷积、空洞卷积、反卷积、感受野计算、上采样
文章目录输出特征图尺寸的计算 Depthwise卷积和Pointwise运算成本比较低空洞卷积反卷积上采样输出特征图尺寸的计算 Depthwise卷积和Pointwise运算成本比较低如何 ...
深度学习卷积网络中反卷积/转置卷积的理解 transposed conv/deconv
搞明白了卷积网络中所谓deconv到底是个什么东西后,不写下来怕又忘记,根据参考资料,加上我自己的理解,记录在这篇博客里. 先来规范表达为了方便理解,本文出现的举例情况都是2D矩阵卷积,卷积输入和核 ...
深度学习 | 反卷积/转置卷积的理解 transposed conv/deconv
原文:https://blog.csdn.net/u014722627/article/details/60574260 深度学习 | 反卷积/转置卷积的理解 transposed conv/dec ...
tictoc正方形网络模型_反卷积：可视化并理解卷积网络
可视化与理解卷积网络的探讨卷积网络模型自问世以来,对AI技术的发展起了很大的推动作用.但其复杂的模型结构,庞大的参数规模也给模型优化带来很多问题.如果问某个参数的值问什么是3而不是6,很难得到有根据 ...
反卷积（转置卷积）的理解
参考:打开链接卷积: 就是这个图啦,其中蓝色部分是输入的feature map,然后有3*3的卷积核在上面以步长为2的速度滑动,可以看到周围还加里一圈padding,用更标准化的参数方式来描述这个过 ...
对深度可分离卷积、分组卷积、扩张卷积、转置卷积（反卷积）的理解
参考: https://zhuanlan.zhihu.com/p/28749411 https://zhuanlan.zhihu.com/p/28186857 https://blog.yani.io ...
通过图+代码来理解tensorflow中反卷积
反卷积这个东西老是容易忘,而且很多文章理论讲的很详细,但反卷积实际怎么操作的却没有概念,因此想以自己喜欢的方式(直接上图和代码)写一篇,以便随时翻阅. 卷积 tf中的padding方式有两种,SAME ...

最新文章

热门文章