深度学习——反卷积

一.上采样（Upsample）

作用：小分辨率恢复到大分辨率

方法：双线性插值（bilinear）,反卷积（transposed convolution）,反池化（Unpooling）

---

二.反卷积

易错辨析：反卷积不是卷积的反过成。它只恢复了大小，并未恢复内容。

 

(一)从数学的层面理解卷积和反卷积

   

反卷积：(即输出乘以C的转置)

 

（二）从常规CNN理解的角度理解卷积和反卷积

卷积：（相信大家都知道）

反卷积：（简而言之）先扩大图，再卷积

                 反卷积核：卷积核的转置

                 图的扩大：用padding（如：padding=2,就是在原图外围加两圈，补0）

                 过程：现用padding扩大输入，再用反卷积核卷积扩大了的图像

（但是反池化有些难以理解，先挖个坑日后再填）

---