上采样-反置卷积&线性插值&反池化

上采样

常用的一些上采样的方法:

近邻插值、单线性插值、双线性插值、反卷积、反池化

最近邻插值:直接取最近坐标的像素映射到输出图像上。

10 20 30
15 25 35
20 25 30
10 20 30 30
15 25 35 35
20 25 30 30
20 25 30 30

单线性插值:

已知P1和P2坐标,坐标分别为(X1,Y1),(X2,Y2),要计算在【X1,X2】区间内的某一位置x在直线上的y值。

上采样-反置卷积&线性插值&反池化_第1张图片

 

                                                         \frac{Y2-Y1}{X2-X1}=\frac{Y-Y1}{X-X1}

 然后化简后                

                                ​​​​​​​        ​​​​​​​​​​​​​​​​​​​​​Y-Y1=\frac{Y2-Y1}{X2-X1}*(X-X1)

                                        Y=\frac{(Y2-Y1)*(X-X1)}{X2-X1}+\frac{Y1(X2-X1)}{X2-X1}

                                        Y=\frac{Y2X-Y2X1-Y1X+Y1X2}{X2-X1}                    

 Y1 和Y2分别代表图像中的像素值,公式可改写为

                          Y=F(P1)*\frac{X-X1}{X2-X1}+F(P2)*\frac{X2-X}{X2-X1}

双线性插值:

上采样-反置卷积&线性插值&反池化_第2张图片

 

双线性插值已知四个变量,Q11、Q12、Q22、Q21 分别利用线性插值的方法 计算R1、R2、再利用线性插值的方法计算P。

 

 

 

上采样-反置卷积&线性插值&反池化_第3张图片

 

 

反卷积

反卷积又称为转置卷积(Transposed Convolution)

首先我们看一下正向卷积的操作。

上采样-反置卷积&线性插值&反池化_第4张图片

 

上采样-反置卷积&线性插值&反池化_第5张图片

卷积将4x4的矩阵进行变化得到2X2的矩阵。

现在反卷积即将此操作进行反转,将2X2的矩阵转换为4X4的矩阵。

即将3x3的卷积核进行反转 

上采样-反置卷积&线性插值&反池化_第6张图片

 

上采样-反置卷积&线性插值&反池化_第7张图片

 将卷积核重新排列, 1 4 1 -0- 1 4 3 -0- 3 3 1 -0- 0 0 0 -0-

最后将这个4x16的卷积核进行转置,同时也将2X2的输出矩阵进行拉平。

上采样-反置卷积&线性插值&反池化_第8张图片

 

上采样-反置卷积&线性插值&反池化_第9张图片

 不同的卷积参数对应的反卷积操作也不尽相同。

反池化

池化分为max pooling和mean pooling 

mean pooling

上采样-反置卷积&线性插值&反池化_第10张图片

 max pooling

上采样-反置卷积&线性插值&反池化_第11张图片

 

你可能感兴趣的:(深度学习,计算机视觉,深度学习,人工智能)