GAN学习之路（七）：转置卷积（反卷积）详解

1. 什么是反卷积

当我们需要将图像由小分辨率到大分辨率映射的时候，我们需要进行上采样（Upsample）。一般上采样方式有三项：

• 反卷积（可能会导致棋盘效应）
• 双线性插值
• 反池化（Unpooling）

转置卷积是一种特殊的正向卷积，先按照一定的比例通过补充0来扩大输入图像的尺寸，接着旋转卷积核，进行正向卷积。

2. 转置卷积过程

转置卷积需要假设如下参数：

• input_size
• kernel_size
• padding
• strides

2.1 Case 1

假设input_size=3，kernel_size=3，padding=2，strides=2；
input如下：

Kernel如下：

strides并非是kernel移动的步长，而是输入的放大倍数，如下图，strides=2，则为在input每两个元素之间添加1个0：

之后我们还会进行一个小小的padding=1，也就是在最下面和最右边添加一列和一行0。
最终的输出结果为：

Case 2

在上图中，input_size=2，kernal_size=3，strides=2，padding=2。