[深度学习] CNN FCN 常见卷积算法图示

Convolution arithmetic 卷积算法

文章、动图源地址：https://github.com/vdumoulin/conv_arithmetic

深度学习中使用的卷积算法的知识总结。

本教程的代码和/或图像可以免费用于非商业用途

• [1] Vincent Dumoulin, Francesco Visin - A guide to convolution arithmetic
  for deep learning
  (BibTeX)

Convolution animations 卷积Gif

N.B.: 蓝色的图是输入，绿色的图是输出。

不补零（No padding）	任意补零（Arbitrary padding）	半补零（Half padding））	全补零（Full padding）
无步长（no strides）	无步长（no strides）	无步长（no strides）	无步长（no strides）
不补零（No padding）	有补零（Padding）Padding	有补零（Padding）Padding
有步长（strides）	有步长（strides）	有步长（奇步）（strides（odd））

Transposed convolution animations 转置卷积Gif，也叫做Deconvolution

N.B.: 蓝色的图是输入，绿色的图是输出，与上面卷积一一对应。

No padding, no strides, transposed	Arbitrary padding, no strides, transposed	Half padding, no strides, transposed	Full padding, no strides, transposed
No padding, strides, transposed	Padding, strides, transposed	Padding, strides, transposed (odd)

Dilated convolution animations 扩张卷积Gif

扩张卷积与普通的卷积相比，除了卷积核的大小以外，还有一个扩张率(dilation rate)参数，主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于，卷积核的大小是一样的，在神经网络中即参数数量不变，区别在于扩张卷积具有更大的感受野。感受野是卷积核在图像上看到的大小，例如3×33×3卷积核的感受野大小为9（如下Gif所示）。参考

N.B.: 蓝色的图是输入，绿色的图是输出。

No padding, no stride, dilation

文章、动图源地址：https://github.com/vdumoulin/conv_arithmetic