【深度学习理论】卷积神经网络的反卷积/转置卷积

卷积过程:
这里写图片描述

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:

这里写图片描述

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。
这里写图片描述
(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

相关推荐
©️2020 CSDN 皮肤主题: 像素格子 设计师:CSDN官方博客 返回首页