【机器学习】详解转置卷积 (Transpose Convolution)

何处闻韶

已于 2023-02-27 17:21:17 修改

阅读量3.5w

点赞数 145

分类专栏：【机器学习与深度学习】文章标签：深度学习图像处理计算机视觉 CNN 神经网络

于 2021-11-08 01:00:00 首次发布

本文链接：https://blog.csdn.net/qq_39478403/article/details/121181904

版权

【机器学习与深度学习】专栏收录该内容

39 篇文章 164 订阅

订阅专栏

本文详细探讨了转置卷积的背景，包括其作为上采样的替代方法，及其在DCGAN、语义分割和CNN可视化中的关键作用。文章还介绍了转置卷积与标准卷积的区别，推导了其数学原理，并针对stride=1和stride>1的场景进行了输出分析。最后总结了转置卷积的可学习特性及其与标准卷积的逆向操作本质。

摘要由CSDN通过智能技术生成

一、转置卷积的背景

通常，对图像进行多次卷积运算后，特征图的尺寸会不断缩小。而对于某些特定任务 (如图像分割和图像生成等)，需将图像恢复到原尺寸再操作。这个将图像由小分辨率映射到大分辨率的尺寸恢复操作，叫做 上采样 (Upsample)，如下图所示：

上采样方法有很多，详见《【图像处理】详解最近邻插值、线性插值、双线性插值、双三次插值_闻韶-CSDN博客》。然而，这些上采样方法都是基于人们的先验经验来设计的，在很多场景中效果并不理想 (如规则固定、不可学习)。因此，我们希望神经网络自己学习如何更好地插值，即接下来要介绍的 转置卷积。

二、转置卷积的应用

曾经，转置卷积 又称 反卷积 (Deconvolution)。与传统的上采样方法相比，转置卷积的上采样方式并非预设的插值方法，而是同标准卷积一样，具有可学习的参数，可通过网络学习来获取最优的上采样方式。

转置卷积在某些特定领域具有广泛应用，比如：

在 DCGAN，生成器将随机值转变为一个全尺寸图片，此时需用到转置卷积。
在语义分割中，会在编码器中用卷积层提取特征，然后在解码器中恢复原先尺寸，从而对原图中的每个像素分类。该过程同样需用转置卷积。经典方法有 FCN 和 U-Net。
CNN 可视化：通过转置卷积将 CNN 的特征图还原到像素空间，以观察特定特征图对哪些模式的图像敏感。

三、转置卷积的区别

标准卷积的运算操作其实是对卷积核中的元素与输入矩阵上对应位置的元素进行逐像素的乘积并求和。然后，卷积核在输入矩阵上以步长为单位进行滑动，直到遍历完输入矩阵的所有位置。

假设，输入是一个 4×4 矩阵，使用 3×3 的标准卷积进行计算，同时令 padding=0，stride=1。最终输出结果应是一个 2×2 矩阵，如图 2 所示：

在上例中，输入矩阵右上角 3×3 范围的值 (黄色 2 3 4) 会影响输出矩阵右上角的值 (黄色 27)，这其实也对应了标准卷积中感受野的概念。所以，可以说 3×3 标准卷积核 建立了 输入矩阵中 9 个值 到 输出矩阵中 1 个值 的映射关系。

综上所述，我们也就可以认为标准卷积操作实际上就是建立了一个 多对一的映射关系。

对转置卷积而言，我们实际上是想建立一个逆向操作，即 一对多的映射关系。对于上例，我们想要建立的其实是输出矩阵中的 1 个值与输入矩阵中的 9 个值的关系，如图 3 所示：

当然，从信息论的角度上看，常规卷积操作是不可逆的，所以转置卷积并不是通过输出矩阵和卷积核计算原始输入矩阵，而是计算得到保持了相对位置关系的矩阵。

四、转置卷积的推导

定义一个 4×4 输入矩阵 input：

再定义一个 3×3 标准卷积核 kernel：

设步长 stride=1、填充 padding=0，则按 "valid" 卷积模式，可得 2×2 输出矩阵 output：

这里，换一个表达方式，将输入矩阵 input 和输出矩阵 output 展开成 16×1 列向量 X 和 4×1 列向量 Y，可分别表示为：

接着，再用矩阵运算来描述标准卷积运算，设有 新卷积核矩阵 C：

经推导 (卷积运算关系)，可得 4×16 稀疏矩阵 C：

以下，用图 4 展示矩阵运算过程：

而转置卷积其实就是要对这个过程进行逆运算，即 通过 C 和 Y 得到 X：

此时， $C^T$ 即为新的 16×4 稀疏矩阵。以下通过图 5 展示转置后的卷积矩阵运算。此处，用于转置卷积的权重矩阵 $C^T$ 不一定来自于原卷积矩阵 $C$ (通常不会如此恰巧)，但其形状和原卷积矩阵 $C$ 的转置相同。

最后，将 16×1 的输出结果重新排序，即可通过 2×2 输入矩阵得到 4×4 输出矩阵。

五、转置卷积的输出

5.1 stride = 1

同样，使用上文中的 3×3 卷积核矩阵 C：

输出矩阵 output 仍为：

将输出矩阵展开为 列向量 Y：

带入到上文中的转置卷积计算公式，则转置卷积的计算结果为：

这其实等价于 先填充 padding=2 的输入矩阵 input：

然后，转置标准卷积核 kernel：

最后，在 填零的输入矩阵 input 上使用 经转置的标准卷积核 kernel 执行 标准卷积运算，如图 6 所示：

更一般地，对于卷积核尺寸 kernel size = $k$ ，步长 stride = $s$ = 1，填充 padding = $p$ = 0 的转置卷积，其 等价的标准卷积 在原尺寸为 $i'$ 的输入矩阵上进行运算，输出特征图的尺寸 $o'$ 为：

$o' = (i' - 1) + k$

同时，等价的标准卷积的的输入矩阵 input 在卷积运算前，需先进行 padding' = $k-1$ 的填充，得到尺寸 $i'' = i' + 2(k-1)$ 。

因此，实际上原计算公式为 (等价的标准卷积的步长 $s' = 1$ )：

$o' = \frac{i'' - k + 2p} {s'} + 1 = i' + 2(k-1) - k + 1 = (i'-1) + k$

5.2 stride > 1 ☆

在实际中，我们大多数时候会使用 stride>1 的转置卷积，从而获得较大的上采样倍率。

以下，令输入尺寸为 5×5，标准卷积核同上 kernel size = $k$ = 3，步长 stride = $s$ = 2，填充 padding = $p$ = 0，标准卷积运算后，输出矩阵尺寸为 2×2：

此处，转换后的稀疏矩阵尺寸变为 25×4，由于矩阵太大这里不展开进行罗列。最终转置卷积的结果为：

此时，等价于 输入矩阵同时添加了空洞和填充，再由仅转置的标准卷积核进行运算，过程如图 7 所示：

更一般地，对于卷积核尺寸 kernel size = $k$ ，步长 stride = $s$ > 1，填充 padding = $p$ = 0 的转置卷积，其 等价的标准卷积 在原尺寸为 $i'$ 的输入矩阵上进行运算，输出特征图的尺寸 $o'$ 为：

$o' = s(i' - 1) + k$

同时，等价的标准卷积的输入矩阵 input 在卷积运算前，需先进行 padding' = $k-1$ 的填充；然后，相邻元素间的空洞数为 $s-1$ ，共有 $i' - 1$ 组空洞需插入；从而，实际尺寸为 $i'' = i' + 2(k-1) + (i' -1) \times (s-1) = s \times (i' - 1) + 2k - 1$ 。