ps 之前是做分类的根本就是没有很深的接触反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)等，要写这个主要是我在找unet代码时候发现反卷积这一步正常用tf.nn.conv2d_transpose，但是有人居然用tf.image.reszie函数的邻域插值替代了，当时我整个人都不好了。后来我就花了一段时间发现了Deconvolution，UNSampling，UnPooling这三个常用的深度学习中图像放大的方法，这里具体讲下自己的理解。

三者图解比较（很好的博文：https://blog.csdn.net/A_a_ron/article/details/79181108）

图（a）表示UnPooling的过程，特点是在Maxpooling的时候保留最大值的位置信息，之后在unPooling阶段使用该信息扩充Feature Map，除最大值位置以外，其余补0。与之相对的是图（b），两者的区别在于UnSampling阶段没有使用MaxPooling时的位置信息，而是直接将内容复制来扩充Feature Map。从图中即可看到两者结果的不同。图（c）为反卷积的过程，反卷积是卷积的逆过程，又称作转置卷积。最大的区别在于反卷积过程是有参数要进行学习的（类似卷积过程），理论是反卷积可以实现UnPooling和unSampling，只要卷积核的参数设置的合理。

上面是博文中的内容，说下自己理解，目前其实如果对于细节分割来说第一种方法最不错，但好像运行会慢许多。第二种其实就是我困惑中的tf.image.reszie函数的邻域插值方法，它是由于第一种方法太慢而采用的替代品。而第三种其实没有说明问题都没解释为什么返回这么大了。比较高端点解释可参考https://buptldy.github.io/2016/10/29/2016-10-29-deconv/。如果比较土味的解释可以看看我之前的博文卷积和反卷积（反卷积没找到图就土味讲了下理解，不懂可以私信我。）反卷积还可以看看这篇好文有实例：https://www.cnblogs.com/zyly/p/8991412.html

卷积中步长大于1的反卷积（还是这篇https://buptldy.github.io/2016/10/29/2016-10-29-deconv/）把步长为1和0的反卷积的图放上来，理解之后会写。

反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（tensorflow函数）（一）相关推荐

反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（pytorch函数）（二）
ps之前写过反卷积(Deconvolution).上采样(UNSampling)与上池化(UnPooling)加入自己的思考(一),不过那是东拼西凑出来的别人的东西就是稍微加入点自己的理解.今天在看代 ...
反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（pytorch函数）（三）
ps:最近在做分割在github上找代码看模型时老发现尺度从小到大那部分,有的是采用上采样(双线性插值)+卷积,有的用反卷积.为什么不相同能,我查阅相关资料发现这位知乎大神根据外网大佬文章总结原因.知 ...
反卷积(Deconvolution)上采样(Upsampling)上池化(Unpooling)的区别——附翻译
http://blog.csdn.net/u012949263/article/details/54379996 提供了英文版 Question: Deconvolution networks use ...
反卷积算法 c语言,多次曝光图像的PSF反卷积以及欠采样图像的反混叠技术I：PSFdeLRSA的制作方法...
1技术领域在图像的点扩散函数(PSF)反卷积领域,人们发展了很多方法:比如基于最大似然估计的Lucy-Richardson图像PSF反卷积技术和在该技术基础上加入的正则化手段,比如基于最小均方差或最 ...
group convolution (分组卷积)的计算量详解、卷积计算量特征图大小，池化特征图大小、深度通道deep-wise 卷积
group convolution (分组卷积)的计算量详解.卷积计算量特征图大小,池化特征图大小.深度通道deep-wise 卷积提示:最近忙着各种提前批的笔试面试,所以没太多空刷题了都,先复盘一 ...
上采样之双线性插值法
上采样之双线性插值法 One:上采样的定义上采样的类型: 一.双线性插值: 二.转置卷积 : 三.上采样(unsampling) 四.上池化(unpooling) 总结: tow:具体的讲解双线性插 ...
深度学习之卷积、全连接、反卷积等
全连接参考1:https://zhuanlan.zhihu.com/p/32819991 全连接参考2:代码实现神经网络前后传输 CNN中卷积.池化的前向与反向传播: CNN卷积神经网络和反向传播( ...
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 ...
FCN全卷积网络—upsampling(上采样)——OpenCV图像金字塔
一.上采样理论 1.1 bilinear 1.2 Deconvolution(反卷积) 1.3 unpooling 二.OpenCV金字塔:高斯金字塔.拉普拉斯金字塔与图片缩放一.上采样理论 FCN ...

反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（tensorflow函数）（一）

三者图解比较（很好的博文：https://blog.csdn.net/A_a_ron/article/details/79181108）

反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)加入自己的思考（tensorflow函数）（一）相关推荐

最新文章

热门文章