使用反卷积(Transposed Convolution)来进行上采样操作,不需要借助插值方法,并且可以提供能够学习的参数。
反卷积在DCGAN和图像的语义分割网络中,有很重要的应用。
1. 卷积操作
我们用一个简单的例子来介绍卷积的计算过程。如下图所示,用一个3x3的卷积核对一个4x4的矩阵进行卷积操作,步长为1,不施加padding,则可以得到一个2x2的结果矩阵。
计算输入矩阵和卷积核相对应的各个元素的乘积,最后相加得到卷积结果,如下图所示:
从上图的结果可以看到,卷积之后,输入矩阵与输出矩阵存在位置上的联系(positional connectivity)。输入矩阵的左上角元素会影响输出矩阵的左上角结果。3x3卷积核将输入矩阵中的9个元素与输出矩阵中的一个元素连接起来。卷积形成了多对一的关系。
2. 卷积矩阵
我们可以把卷积过程用矩阵乘法来表示。
3x3的卷积核:
[ 1 4 1 1 4 3