什么是Deconvolutional Network？

一、参考资料

深入浅出理解转置卷积Conv2DTranspose
如何理解深度学习中的deconvolution networks？

二、相关介绍

1. sparse coding

Sparse Coding: Autoencoder Interpretation
Exercise:Sparse Coding
Autoencoders and Sparsity
[机器学习] UFLDL笔记 - Sparse Coding（稀疏编码）

//TODO

2. Deconvolution简介

一般说到 deconvolution network 指的是两种东西，一种是 convolutional sparse coding 组成的网络，另一种是 transposed convolution 组成的网络，这两种都有别名叫做 deconvolutional network，但概念完全不同，事实上它们之间没有任何关系，光看名字有点容易混淆。

convolutional sparse coding 是 Zeiler 做的工作，初衷是提取稀疏特征之类的，但并不成功（而且公式丑的不要不要的）。反而是在深层卷积网络的可视化上用的很好，在机器学习领域内 sparsity 已经基本过气的情况下算是为数不多用的还不错的东西，参见论文[3]。

transposed convolution 可以用于产生图像或是 segmentation 用的 label，因为经常和普通的 convolution network 对称使用，组成一个 encoder-decoder 结构的 fully convolution network，故称作 deconvolution network 以显得前后呼应，参见论文[4]。

一般情况下，如果不特别说明，Deconvolution 指的是 transposed convolution，关于 transposed convolution 的详细介绍，请参考另一篇博客：深入浅出理解转置卷积Conv2DTranspose

三、关于Deconvolution的应用

1. convolutional sparse coding

deconvolution network 的两篇文章[1][2]，都是由New York University的Matthew D. Zeiler, Rob Fergus等人提出来的（他们提出的ZF-net也是ILSVRC 2013的冠军，Matthew D. Zeiler是Rob Fergus的PhD，毕业后去了自己的人工智能初创公司clarifai，而Rob Fergus也加入了Facebook AI Research）。

第一篇论文[1]主要用于学习图片的中低层级的特征表示，属于unsupervised feature learning，和传统的auto-encoder，RBM比较类似，和它最像的还是sparse coding[7]。该篇文章的deconv是标准卷积(以下简称“conv”，特指标准卷积)的逆运算，conv是从图片生成feature map，而deconv是用unsupervised的方法找到一组kernel和 feature map，让它们重建图片。

第二篇论文[2]也是通过 deconvolution network 学习图片的特征表示，和论文[1]不同的是加入了pooling layers，unpooling layers，Conv2DTranspose layers。

2. CNN可视化

第二个方面，deconv用来做CNN的可视化。通过deconv将CNN中 conv 得到的 feature map 还原到像素空间，以观察特定的 feature map 对哪些pattern的图片敏感。ZF-Net[3]中用 deconv 做可视化，它是将CNN学习到 feature map 的卷积核，取转置，得到 Conv2DTranspose。从而将图片特征从 feature map 空间转化到pixel空间，以发现是哪些pixel激活了特定的 feature map，达到分析理解CNN的目的。

其实，这里的deconv不是conv的逆运算，只是conv的转置，所以tensorflow里一般取名叫 transpose_conv。第一篇用deconv表示 transposed convolution 的是论文[3]，该论文提出了ZFNet，而且是ImageNet 2013年的winner，比较有影响力，之后大家就错误的用下去了。之后有些researchers提出应该叫 transposed convolution, backward convolution (见cs231n的课件)，但似乎并没有改过来，比较新的深度学习框架应该都是有 Deconvolution 和 TransposedConvolution 两个名字。

3. upsampling

在 pixel-wise prediction，比如 image segmentation [4][6]以及 image generation[5]中，在编码器中使用卷积层进行特征提取，然后在解码层中通过 upsampling 的方法还原（恢复）到原始图片尺寸，deconv就充当了一个 upsampling 的角色。

分别简单介绍两篇文章，FCN和DCGAN。

FCN[4]主要用来做 pixel-wise 的 image segmentation 预测。为了得到 pixel-wise 的prediction，要把 feature map通过deconv转化到像素空间。

DCGAN[5]中使用 deconv 就更自然了，本身GAN就需要 generative model，需要通过 deconv 从特定分布的输入数据中生成图片。tf.keras.layers.Conv2DTranspose 提供了DCGAN的教程：深度卷积生成对抗网络。

四、参考文献

[1] Zeiler M D, Krishnan D, Taylor G W, et al. Deconvolutional networks[C]//2010 IEEE Computer Society Conference on computer vision and pattern recognition. IEEE, 2010: 2528-2535.

[2] Zeiler M D, Taylor G W, Fergus R. Adaptive deconvolutional networks for mid and high level feature learning[C]//2011 international conference on computer vision. IEEE, 2011: 2018-2025.

[3] Zeiler M D, Fergus R. Visualizing and understanding convolutional networks[C]//Computer Vision–ECCV 2014: 13th European Conference, Zurich, Switzerland, September 6-12, 2014, Proceedings, Part I 13. Springer International Publishing, 2014: 818-833.

[4] Long J, Shelhamer E, Darrell T. Fully convolutional networks for semantic segmentation[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 3431-3440.

[5] Radford A, Metz L, Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks[J]. arv preprint arv:1511.06434, 2015.

[6] Ronneberger O, Fischer P, Brox T. U-net: Convolutional networks for biomedical image segmentation[C]//Medical Image Computing and Computer-Assisted Intervention–MICCAI 2015: 18th International Conference, Munich, Germany, October 5-9, 2015, Proceedings, Part III 18. Springer International Publishing, 2015: 234-241.

[7] Sparse Coding