深度学习之图像分割（二）—— 转置卷积（霹雳吧啦wz）

转置卷积Transposed Convolution

1.什么是转置卷积？

关键点

1.上采样（填充，使输出结果大于输入结果，实现一个上采样） 区别膨胀卷积：增大感受野
2.转置卷积不是卷积的逆运算
3.转置卷积也是卷积

2.转置卷积的步骤（包含计算公式）

1.在输入特征图元素间填充s-1行、列0
2.在输入特征图四周填充k-p-1行、列0
3.将卷积核参数上下/左右翻转
4.做正常卷积运算（填充0：不填充，步距1：不同于上面的s，上面的s是转置卷积的s）

3.转置卷积当中的参数

4.转置卷积的实例

1.简单概括图

2.普通的卷积运算如何计算?

另一种方式的计算方式，引出下边的计算

3.转置卷积

1.构造补充0的等效矩阵

等效矩阵：构造与输入feature map同样大小的0矩阵，卷积核每滑动一步就构造一个等效矩阵

将等效矩阵与输入feature map对应位置的数相乘再相加

2.输入和等效矩阵展平操作

3.还原出相同大小的原始图片（eg：上图的4*4）

4.得出结论

将绿色卷积核和原来的卷积核比较发现，原来的卷积核进行上下左右翻转得到绿色卷积核