一、棋盘伪影
传统方法通常使用不同的“插值”方法实现特征上采样操作,后来深度学习的趋势引入转置卷积通过参数学习的方式替代“插值”方法进行特征上采样操作。标准卷积通过设置合适卷积核将输入的多个像素映射到输出中的一个像素(由大到小进行下采样),转置卷积沿着标准卷积的反方向进行,通过合适的卷积核将输入的一个像素映射到输出中的多个像素(由小到大进行上采样)。而不合适的卷积核尺寸和步长的设置会使得转置卷积(或反卷积、去卷积)操作引入“不均匀重叠”现象,进而影响卷积结果,发生“棋盘伪影”现象。
“棋盘伪影”作为图像重构时很不期望的副作用影响很多图像处理任务,表现为输出中某部分颜色会比领域中其他部分颜色深,且这种现象在颜色比较丰富鲜艳的图像中更为明显。
关于转置卷积可查看:https://blog.csdn.net/qq_43665602/article/details/126668764
1.一维转置卷积中的“不均匀重叠”
当转置卷积的卷积核大小kernel_size不能整除步长stride时,便会发生“不均匀重