反卷积(Transposed Convolution)详细推导

今天药忘吃喽~ 2023-02-16 01:54 135阅读 0赞

## 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）还是没太弄懂，我原以为反卷积的卷积核中的参数也是训练出来的，只是因为放大了输出所以叫反卷积，可今天看到讲关于卷积神经网络可视化的文章，卷积神经网络的对特征图卷积核的可视化可以采用deconvolution的方法，而且是把前面的卷积核转置一下就直接用，而不是独立的训练其中参数，如下图：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2_size_16_color_FFFFFF_t_70]  
**答：**  
框架里实现的是独立的可训练参数，自己看一下pytorch代码，或者Keras代码就清楚了。但是CNN可视化这篇论文里的反卷积是前面卷积核的转置，仅仅是为了可视化而已

## 1、什么是反卷积？ ##

**上采样(Upsample)**

在应用在计算机视觉的深度学习领域，由于输入图像通过卷积神经网络(CNN)提取特征后，输出的尺寸往往会变小，而有时我们需要将图像恢复到原来的尺寸以便进行进一步的计算(e.g.:图像的语义分割)，这个采用扩大图像尺寸，实现图像由小分辨率到大分辨率的映射的操作，叫做上采样(Upsample)。

**反卷积(Transposed Convolution)**  
上采样有3种常见的方法：双线性插值(bilinear)，反卷积(Transposed Convolution)，反池化(Unpooling)，我们这里只讨论反卷积。这里指的反卷积，也叫转置卷积，它并不是正向卷积的完全逆过程，用一句话来解释：

> 反卷积是一种特殊的正向卷积，先按照一定的比例通过补 \[公式\] 来扩大输入图像的尺寸，接着旋转卷积核，再进行正向卷积。

## 2、反卷积的数学推导 ##

**正向卷积的实现过程**  
假设输入图像`input`尺寸为`4x4`，元素矩阵为：  
![在这里插入图片描述][20200607143326775.png]  
卷积核`kernel`尺寸为`3x3`，元素矩阵为：  
![在这里插入图片描述][20200607143458403.png]  
步长`strides=1`，填充`padding=0`，即`i=4,k=3,s=1,p=0`,则按照卷积计算公式  
![在这里插入图片描述][2020060714362836.png]  
输出的图像`output`的尺寸为`2x2`

**用矩阵乘法描述卷积**

把`input`的元素矩阵展开成一个列向量`X`  
![在这里插入图片描述][20200607143801960.png]  
把输出图像`output`的元素矩阵展开成一个列向量`Y`：  
![在这里插入图片描述][20200607143834541.png]  
对于输入的元素矩阵`X`和 输出的元素矩阵 `Y`，用矩阵运算描述这个过程：  
![在这里插入图片描述][20200607143912344.png]  
通过推导，我们可以得到稀疏矩阵 `C` ：

![在这里插入图片描述][20200607143933129.png]  
反卷积的操作就是要对这个矩阵运算过程进行逆运算，即通过 `C` 和 `Y` 得到 `X` ，根据各个矩阵的尺寸大小，我们能很轻易的得到计算的过程，即为反卷积的操作：

![在这里插入图片描述][20200607144030140.png]  
但是，如果你代入数字计算会发现，反卷积的操作只是恢复了矩阵 `X` 的尺寸大小，并不能恢复 `X` 的每个元素值，本文最后会在 `tensorflow` 平台进行这个实验

在此之前，我们先给出反卷积图像尺寸变化的公式。

**反卷积的输入输出尺寸关系**

在进行反卷积时，简单来说，大体上可分为以下两种情况：  
![在这里插入图片描述][20200607144136376.png]  
**Relationship 1：**  
![在这里插入图片描述][20200607144205637.png]  
此时反卷积的输入输出尺寸关系为：  
![在这里插入图片描述][20200607144222672.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2_size_16_color_FFFFFF_t_70 1]  
如上图所示，我们选择一个输入 `input` 尺寸为 `3x3` ，卷积核 `kernel` 尺寸为 `3x3` ，步长 `strides=2`，填充 `padding=1`，即 `i=3,k=3,s=2,p=1` ，则输出 `output` 的尺寸为 `o=2x(3-1)-2+3=5` 。

**Relationship 2：**  
![在这里插入图片描述][20200607144535153.png]  
此时反卷积的输入输出尺寸关系为:  
![在这里插入图片描述][20200607144548754.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2_size_16_color_FFFFFF_t_70 2]  
如上图所示，我们选择一个输入 `input` 的尺寸为 `3x3` ，卷积核 `kernel` 的尺寸为 `3x3`，步长 `strides=2`，填充 `padding=1` ，即 `i=3,k=3,s=2,p=1 ，`则输出 `output` 的尺寸为`o=2x(3-1)-2+3+1=6` 。

**反卷积在 FCN 中的应用**

在图像语义分割网络 FCN-32s 中，上采样反卷积操作的输入每张 \{\\E heatmap\} 的尺寸是 `7x7`  
，我们希望进行一次上采样后能恢复成原始图像的尺寸 `224x224` ，代入公式：  
![在这里插入图片描述][20200607144828265.png]

根据上式，我们可以得到一个关于 `s,k,p` 三者之间关系的等式：  
![在这里插入图片描述][20200607144710898.png]  
通过实验，最终找出了最合适的一组数据：  
![在这里插入图片描述][20200607144703978.png]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2020060715170036.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2,size_16,color_FFFFFF,t_70
[20200607143326775.png]: https://img-blog.csdnimg.cn/20200607143326775.png
[20200607143458403.png]: https://img-blog.csdnimg.cn/20200607143458403.png
[2020060714362836.png]: https://img-blog.csdnimg.cn/2020060714362836.png
[20200607143801960.png]: https://img-blog.csdnimg.cn/20200607143801960.png
[20200607143834541.png]: https://img-blog.csdnimg.cn/20200607143834541.png
[20200607143912344.png]: https://img-blog.csdnimg.cn/20200607143912344.png
[20200607143933129.png]: https://img-blog.csdnimg.cn/20200607143933129.png
[20200607144030140.png]: https://img-blog.csdnimg.cn/20200607144030140.png
[20200607144136376.png]: https://img-blog.csdnimg.cn/20200607144136376.png
[20200607144205637.png]: https://img-blog.csdnimg.cn/20200607144205637.png
[20200607144222672.png]: https://img-blog.csdnimg.cn/20200607144222672.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200607144227600.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2,size_16,color_FFFFFF,t_70
[20200607144535153.png]: https://img-blog.csdnimg.cn/20200607144535153.png
[20200607144548754.png]: https://img-blog.csdnimg.cn/20200607144548754.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200607144555176.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5ODUyNjc2,size_16,color_FFFFFF,t_70
[20200607144828265.png]: https://img-blog.csdnimg.cn/20200607144828265.png
[20200607144710898.png]: https://img-blog.csdnimg.cn/20200607144710898.png
[20200607144703978.png]: https://img-blog.csdnimg.cn/20200607144703978.png