本文深入探讨了反卷积（Deconvolution）、上采样（UNSampling）及上池化（UnPooling）的概念及其在深度学习中的应用。详细解释了反卷积作为卷积逆过程的学习方式，上采样的特征图填充方法，以及上池化基于最大值下标的特征恢复技巧。
- unpooling
如图所示，以maxpooling为例，上池化在池化过程中会记录最大值所在下标，然后利用特征图填充最大值所在下标，其他位置填0,特征图一般为maxpooling后得到的最大值矩阵。 - unsampling
上采样并不像上池化那样记录最大值的下标，而是把所有位置都附为特征图中的值。 - 反卷积
反卷积其实是卷积的逆过程，即通过padding再进行一次卷积，已达到和源输入一样的大小，所以反卷积是需要学习卷积核参数的。这一点是上采样和上池化所不具备的。 - 参考
反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
