本文主要是介绍【深度学习理论】卷积神经网络的反卷积/转置卷积,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!
卷积过程:
利用卷积核与覆盖的区域进行内积操作(就是对应元素相乘求和)
反卷积过程:
原名叫做反卷积,但是并不是很合理,所以转置卷积更合理一点。具体过程如下:
(1)首先将卷积与感知野的乘积转换一下,将4*4的卷积核转换为下面的矩阵,然后4*4的原始数据转换为16*1的向量,这样子下面的矩阵一共有四行对应了四次卷积运算,0则表示在实际卷积过程中,卷积核与原图不重叠的位置。
(2)进行反卷积的过程时,将上述的4*16卷积矩阵每一行(4个元素)与feature map
进行运算,重新恢复出4*4的矩阵。
(3)反卷积对于卷积核而言,直观的操作就是上下翻转,然后左右翻转。
参考链接:
https://arxiv.org/abs/1603.07285
http://blog.csdn.net/u014722627/article/details/60574260#fn:2
http://blog.csdn.net/huachao1001/article/details/79131814
这篇关于【深度学习理论】卷积神经网络的反卷积/转置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!