在实践中使用反卷积

数据挖掘 机器学习 深度学习 喀拉斯 美国有线电视新闻网
2022-02-21 10:01:52

假设我有一个 224 * 224 * 3 尺寸的输入图像。我将它通过具有 64 个过滤器和相同卷积操作的卷积层。假设我想使用大小为 224 * 224 * 64 的卷积层的输出来重建原始图像。我有以下问题:

  • 我应该使用反卷积吗?如果是这样,反卷积层的安排如何(过滤器的数量和权重的值。还有什么时候应该应用激活)?
  • 前向传递中的过滤器和权重的数量是否等于后向传递?
  • 除了反卷积还有其他技术吗?
  • Keras我需要的可用代码吗?

我在这里这里都看到过,但它们代表高级抽象,不包含适当的详细答案。

1个回答

由于您所描述的内容听起来像是某种自动编码器,因此您可以使用此博客了解如何在 Keras 中使用卷积层

大多数逻辑很简单:如果您希望重建输入,则需要输出具有与输入相同的空间维度和相同数量的通道。与大多数神经网络架构一样,您将逐渐减少输入的空间维度并增加过滤器的数量,如果您希望重建输入,您将使用相同的层概念,但顺序相反,使用反卷积层。

至于您是否需要使用反卷积,或者通道、层和对称性的最佳数量是多少,完全取决于您要完成的工作以及问题的具体细节。