前两篇我们对卷积层的原理和实现做了一些介绍。这一节我们来深入了解两个常用的卷积——转置卷积和空洞卷积。
传送门:卷积核的基本概况
转置卷积
利用神经网络去生成图片,通察情况下是从低像素、粗糙的图片开始,到高像素的填充过程。这个过程就成为反卷积或者转置卷积。形象点说,反卷积是允许模型使用小图像的点“绘制”到大图像中的一个正方形。
很不幸的是,这个过程会出现“不均匀重叠”现象(uneven overlap),通常称为“棋盘格伪影”:
当卷积核的边长不能被步长整除的时候出现的,下面是一个例子:
前两篇我们对卷积层的原理和实现做了一些介绍。这一节我们来深入了解两个常用的卷积——转置卷积和空洞卷积。
传送门:卷积核的基本概况
转置卷积
利用神经网络去生成图片,通察情况下是从低像素、粗糙的图片开始,到高像素的填充过程。这个过程就成为反卷积或者转置卷积。形象点说,反卷积是允许模型使用小图像的点“绘制”到大图像中的一个正方形。
很不幸的是,这个过程会出现“不均匀重叠”现象(uneven overlap),通常称为“棋盘格伪影”:
当卷积核的边长不能被步长整除的时候出现的,下面是一个例子: