一.卷积的概念 卷积是分析数学中的一种重要运算，英文convolution。需要注意的是，以下我们考虑都是离散情况下的卷积操作。从概念上说，卷积是线性情况的下的滤波处理，性滤波处理经常被称为“掩码与图像的卷积”[1]。具体的操作则是，卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n)，则卷积的结果。 其中*表示卷积。 那对于二维图像上的卷积操作，是计

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： 在ZF-Net中用于对feature map做可视化：htt

简介反卷积的过程 如图所示是一个卷积的过程 那么反卷积就应该是一个逆向的过程 假设输入如下： [[1,0,1],[0,2,1],[1,1,0]] 反卷积卷积核如下: [[ 1, 0, 1],[-1, 1, 0],[ 0,-1, 0]] 现在通过stride=2来进行反卷积，使得尺寸由原来的3*3变为6*6.那么在Tensorflow框架中，反卷积的过程如下(不同框架在裁剪这步可能不

重要说明：严格来说，论文所指的反卷积并不是真正的 deconvolution network 。 关于 deconvolution network 的详细介绍，请参考另一篇博客：什么是Deconvolutional Network？ 一、参考资料 Learning Deconvolution Network for Semantic Segmentation 二、Deconvolution

文章目录 Deconvolution Network(2015)前言系统架构现有的工作存在的问题架构的新意unpoolingdeconvolutionOverview 实际效果训练测试汇总实例分割图集成FCN 实现细节网络配置数据集训练数据构建优化推理Pascal VOC上的评估 小结 Deconvolution Network(2015) 文档存放更新地址：https:/

一.文献名字和作者     A machine learning approach for non-blind image deconvolution, CVPR2013     二.阅读时间     2014年10月20日

"真理本身之所以是真理，就在于它穿透了语言的有限性而将人带入到对真实世界的直观把握中。"  ——http://my1510.cn/article.php?id=69054 最近在做sparse coding, 用Bruno Olshausen最原始的方法, 因此却发现了一些背后直感上更接近真理的东西。中间有一步需要通过得到的sparse响应重建输入图像，之前一直是用Matlab for循环直接