转置卷积(Transpose Convolution),一些地方也称为“反卷积”,在深度学习中表示为卷积的一个逆向过程,可以根据卷积核大小和输出的大小,恢复卷积前的图像尺寸,而不是恢复原始值。
1 卷积操作及转置卷积的定义
1.1 卷积操作
对于一个输入大小为 的图像,卷积核大小为
:
计算输出 的具体实现方法为矩阵乘法。
将卷积核表示为稀疏矩阵
每一行向量表示在一个位置的卷积操作,0填充表示卷积核未覆盖到的区域。
将输入 展开为列向量:
则卷积操作可以表示为:
输出向量 的大小为
的列向量,改写为矩阵即为
。
1.2 转置卷积
转置卷积则是将 中的输入输出互换:
表示矩阵转置,此时大小为
。
- 即由
的输入
,经过转置卷积,得到输出大小为
的列向量
,此时
的 数值上已经和原来不同,只是在形状上一致。