反卷积参数确定

╰半橙微兮° 2022-03-26 05:44 259阅读 0赞

反卷积输出

o = (i-1)*stride+ kernel_size-2pad

但是caffe官方文档建议参数比如下：

layer {
      name: "upsample", type: "Deconvolution"
      bottom: "{
       {bottom_name}}" top: "{
       {top_name}}"
      convolution_param {
        kernel_size: {
       {2 * factor - factor % 2}} stride: {
       {factor}}
        num_output: {
       {C}} group: {
       {C}}
        pad: {
       {ceil((factor - 1) / 2.)}}
        weight_filler: { type: "bilinear" } bias_term: false
      }
      param { lr_mult: 0 decay_mult: 0 }
    }

之前项目需求sptialtransform必须改为deconv，7upsample至56，选取参数 stride = 9， kernel\_size = 4，pad = 1  
（7-1）\*9+4-2 = 56 …但是训练结果相比于sptialtransform还是惨，原因是stride = 9，kernel\_size会损失大量信息。。23333333  
还是老实按照官方文档：stide = 8，kernel\_size = 16，pad = 4

如果对kernel\_size有要求，必须为4，upsample8倍，建议串联3个upsample2的deconv！  
参考：[https://blog.csdn.net/xiaojiajia007/article/details/75041651][https_blog.csdn.net_xiaojiajia007_article_details_75041651]

[https_blog.csdn.net_xiaojiajia007_article_details_75041651]: https://blog.csdn.net/xiaojiajia007/article/details/75041651

发表评论取消回复

表情：

评论列表（有 0 条评论，259人围观）

还没有评论，来说两句吧...

相关阅读

相关反卷积的chushihua

反卷积执行的是将特征图从小分辨率放大到更大的分辨率。随机初始化可能导致训练速度慢或者难以收敛。一般用双线性核进行初始化，就是默认为双线性插值的参数。双线性操作的公

Bertha 。/ 2023年10月11日 11:48/ 0 赞/ 7 阅读

相关反卷积(Transposed Convolution)详细推导

0、简介问题：计算机视觉中的反卷积(deconvolution)是使用了独立的可训练参数还是把前面的卷积核转置？关于计算机视觉中的反卷积（deconvolution）还

今天药忘吃喽~/ 2023年02月16日 01:54/ 0 赞/ 90 阅读

相关卷积原理：几种常用的卷积（标准卷积、深度卷积、组卷积、扩展卷积、反卷积）

0、标准卷积默认你已经对卷积有一定的了解，此处不对标准卷积细讲。举个例子，假设有一个`3×3`大小的卷积层，其输入通道为`16`、输出通道为`32`。那么一般

太过爱你忘了你带给我的痛/ 2023年02月15日 12:44/ 0 赞/ 77 阅读

相关用反卷积（Deconvnet）可视化和理解卷积网络

<table> <tbody> <tr> <td style="margin:0px; padding:0px; font-family:微软雅黑,宋体,黑体

- 日理万妓/ 2022年06月17日 04:25/ 0 赞/ 338 阅读

相关卷积与反卷积

反卷积与卷积反卷积，顾名思义是卷积操作的逆向操作。为了方便理解，假设卷积前为图片，卷积后为图片的特征。卷积，输入图片，输出图片的特征，理论依据是统计不

￡神魔★判官ぃ/ 2022年06月04日 05:25/ 0 赞/ 300 阅读

相关反卷积（转置卷积）的理解

参考：[打开链接][Link 1] 卷积：就是这个图啦，其中蓝色部分是输入的feature map，然后有3\3的卷积核在上面以步长为2的速度滑动，可以看到周围还加里

以你之姓@/ 2022年05月18日 08:58/ 0 赞/ 311 阅读

相关卷积原理：几种常用的卷积（标准卷积、深度卷积、组卷积、扩展卷积、反卷积）

转载自：[https://blog.csdn.net/chenyuping333/article/details/82531047?utm\_source=blogxgwz6]

太过爱你忘了你带给我的痛/ 2022年04月04日 03:22/ 0 赞/ 744 阅读

相关 TensorFlow实现卷积、反卷积和空洞卷积

TensorFlow实现卷积、反卷积和空洞卷积 TensorFlow已经实现了卷积（tf.nn.conv2d卷积函数），反卷积（tf.nn.conv2d\_tra

灰太狼/ 2022年03月28日 12:40/ 0 赞/ 335 阅读

相关反卷积参数确定

反卷积输出 o = (i-1)stride+ kernel_size-2pad 但是caffe官方文档建议参数比如下： layer { nam

╰半橙微兮°/ 2022年03月26日 05:44/ 0 赞/ 260 阅读

相关关于卷积和反卷积

[https://blog.csdn.net/gubenpeiyuan/article/details/81266155][https_blog.csdn.net_gubenp

冷不防/ 2021年10月18日 11:38/ 0 赞/ 381 阅读