Deconvolution（逆卷积）

本文主要是介绍Deconvolution（逆卷积），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目前网上关于Deconvolution的文章写的着实不知所云，这里详细整理一篇出来。不敢说“一文读懂deconv”，但是“一文入门deconv”的牛还是敢吹的。

Deconvolution一般和转置卷积（transposed conv）、微步卷积（fractionally strided conv）的叫法等价，其一些常见的用途包括：

1. 在ZF-Net中用于对feature map做可视化：https://arxiv.org/abs/1311.2901
2. 在FCN中用于生成等于原图shape的图像：https://arxiv.org/abs/1411.4038
3. 无监督的autoencoder和deconvNet中用于解码器：https://docs.microsoft.com/en-us/cognitive-toolkit/Image-Auto-Encoder-Using-Deconvolution-And-Unpooling 、https://ftp.cs.nyu.edu/~fergus/papers/matt_cvpr10.pdf
4. DSSD、GAN中的应用。
   … …

由上面的用途可以看到，deconv最大的作用是对feature map进行升采样，和双线性插值（bilinear interpolation）类似。下面我们来研究一下deconv本身。顾名思义，Deconvolution（逆卷积、去卷积）似乎应该是卷积（conv）的逆过程，然而实际上除了shape层面之外，二者在数值上没有任何可逆关系。deconv仅仅是一个普通的卷积层，在神经网络中也是需要通过梯度下降去学习的。所以，对于每个deconv层，我们实际上也能用另外一个deconv层去做恢复。（突然有个发现——如果用conv+deconv进行穿插排列组合是不是也能创造出许多新的网络架构emmm）
PyTorch代码见：https://pytorch.org/docs/stable/nn.html?highlight=trans#torch.nn.ConvTranspose2d。

核心原理

关于deconv的恢复原理，最核心的一条其实就是$\text{(k-1)}$扩展（padding），来重要的事情说三遍：$\text{(k-1)}$扩展，$\text{(k-1)}$扩展，$\text{(k-1)}$扩展。不明白？先背下来再往下看。

最基本的形式

我们首先看看最基本的卷积形式：对于$(m\times m)$特征图$I$，用$(k\times k)$的核做卷积，则得到的特征图$O$是$(m-k+1)\times (m-k+1)$。如果我们对$O$做$\text{(k-1)}$扩展得到$O^{\prime }$，再用等大的$k\times k$核做卷积，则得到的特征图$I^{\prime }$边长是：$(m-k+1)+2(k-1)-k+1=m$。示意图：

如果加入了stride呢？

然后我们来看看加入stride之后的deconv。同样，对于$(m\times m)$特征图$I$，用$(k\times k)$的核做卷积，计stride为$s$。则得到的特征图$O$是$(\frac{m-k}{s}+1)\times (\frac{m-k}{s}+1)$。同样，我们对$O$做$\text{(k-1)}$扩展，再用等大的$k\times k$核做卷积。和上面不同的是，这次我们加入相同的stride，也就是对$O$做膨胀得到$O^{\prime }$（抱歉我想不到更合适的词了，见下面的示意图），卷积过程中卷积核不做跨步。$O^{\prime }$的边长是$(\frac{m-k}{s}+1)+2(k-1)+(s-1)(\frac{m-k}{s}+1-1)$，化简得到$(m+k-1)$。则用等大的$(k\times k)$核做卷积之后同样能恢复原来的shape $m$。当然了，此处令$s=1$则能推出前一段的特殊情况。

如果加入了padding呢？

好了，我们现在似乎已经对于deconv的可逆原理有了一定的了解。于是问题来了，加入pad之后呢？道理其实是一样的，我们只需要把上面的$m$换成$m+2p$即可。下面我们来算一下stride 1的情况：

对于$(m\times m)$特征图$I$，先pad $p$，用$(k\times k)$的核做卷积，则得到的特征图$O$是$(m+2p-k+1)\times (m+2p-k+1)$。如果我们对$O$做$p^{\prime }$扩展得到$O^{\prime }$，再用等大的$k\times k$核做卷积，则得到的特征图$I^{\prime }$边长是：$(m+2p-k+1)+2p^{\prime }-k+1=m$。

所以有：
$$2p-2k+2+2p^{\prime }=0$$
$$p^{\prime }=k-1-p$$
所以第一节的核心原理要更新一下——做扩展$p^{\prime }=k-1-p$之后再卷积。如图：

如果是最一般的形式，即既有padding，又有stride呢？

道理其实是一样的。这里大概列一个计算步骤，详细过程感兴趣的朋友可以自己推一遍。
特征图$I$：$m\times m$
做pad得到$I^{\prime }$：$(m+2p)\times (m+2p)$
卷积后得到特征图$O$：$(\frac{m+2p-k}{s}+1)\times (\frac{m+2p-k}{s}+1)$
做pad $p^{\prime }$得到$O^{\prime }$：$(\frac{m+2p-k}{s}+1+2p^{\prime })\times (\frac{m+2p-k}{s}+1+2p^{\prime })$
做stride $s$得到$O^{\prime \prime }$：$(\frac{m+2p-k}{s}+1+2p^{\prime }+(s-1)(\frac{m+2p-k}{s}+1-1))\times (\frac{m+2p-k}{s}+1+2p^{\prime }+(s-1)(\frac{m+2p-k}{s}+1-1))$
deconv之后得到的特征图$I^{\prime \prime }$边长是：$O^{\prime \prime }的边长-k+1$
令$I^{\prime \prime }$边长为$m$。解得$p^{\prime }=k-1-p$

To do

空洞卷积（dilated convolution）、从矩阵乘法的角度理解卷积和逆卷积。

ref：
https://github.com/vdumoulin/conv_arithmetic

这篇关于Deconvolution（逆卷积）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---