每周学习新知识5:FCN中的反卷积(Deconvolution)、上采样(UpSampling)

看了FCN论文,对于最后的反卷积和和上采样不是很理解
每周学习新知识5:FCN中的反卷积(Deconvolution)、上采样(UpSampling)

卷积回顾

反卷积

这是卷积的三种操作,在这篇论文中反卷积也可以称为上采样操作,因为相比于下采样,图片越来越小的操作,上采样操作使得整个整个图片越来越大的操作,
下面看反卷积具体是怎么操作的
每周学习新知识5:FCN中的反卷积(Deconvolution)、上采样(UpSampling)
其实这种也算一种卷积的操作,只不过进行了补位操作。在论文中FCN使用了上采样。例如经过5次卷积(和pooling)以后,图像的分辨率依次缩小了2,4,8,16,32倍。对于最后一层的输出图像,需要进行32倍的上采样,以得到原图一样的大小。这个上采样是通过反卷积(deconvolution)实现的。对第5层的输出(32倍放大)反卷积到原图大小,得到的结果还是不够精确,一些细节无法恢复。于是Jonathan将第4层的输出和第3层的输出也依次反卷积,分别需要16倍和8倍上采样,结果就精细一些了。下图是这个卷积和反卷积上采样的过程:
每周学习新知识5:FCN中的反卷积(Deconvolution)、上采样(UpSampling)
在这里论文中使用了另外一种上采样的方式,它先进行了上池化操作,然后进行了整个卷积操作。整个操作如下图
每周学习新知识5:FCN中的反卷积(Deconvolution)、上采样(UpSampling)

参考

————————————————
版权声明:本文为CSDN博主「skyfengye」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/nijiayan123/article/details/79416764