Machine learning 具有3通道图像的卷积层反向传递_Machine Learning_Neural Network_Deep Learning_Conv Neural Network_Convolution

Machine learning 具有3通道图像的卷积层反向传递

machine-learning neural-network deep-learning

Machine learning 具有3通道图像的卷积层反向传递,machine-learning,neural-network,deep-learning,conv-neural-network,convolution,Machine Learning,Neural Network,Deep Learning,Conv Neural Network,Convolution,我知道反褶积基本上是输出与翻转滤波器的卷积，我已经对2D数据实现了它。但我无法将其推广到3D数据。例如，考虑尺寸3x5x5的输入，滤波器的尺寸为3x3x3，步幅设置为1。因此，输出尺寸为1x3x3。我不明白的是如何计算这个输出的反褶积。翻转滤波器的尺寸为3x3x3，卷积输出的尺寸为1x3x3，与卷积不兼容。那么我们如何计算反褶积呢？也许这会对你有所帮助。你说的对，同样大小的滤波器不能适应反卷积的尺寸。因此，为了弥补这一缺陷，1x3x3始终使用零、平均值、nn等填充，直到达到您所需的适当大小。深度

我知道反褶积基本上是输出与翻转滤波器的卷积，我已经对2D数据实现了它。但我无法将其推广到3D数据。例如，考虑尺寸3x5x5的输入，滤波器的尺寸为3x3x3，步幅设置为1。因此，输出尺寸为1x3x3。我不明白的是如何计算这个输出的反褶积。翻转滤波器的尺寸为3x3x3，卷积输出的尺寸为1x3x3，与卷积不兼容。那么我们如何计算反褶积呢？

也许这会对你有所帮助。你说的对，同样大小的滤波器不能适应反卷积的尺寸。因此，为了弥补这一缺陷，1x3x3始终使用零、平均值、nn等填充，直到达到您所需的适当大小。深度可以用同样的方法处理。在您的示例中，您希望使用3x3x3过滤器将1x3x3“去卷积”为3x5x5。因此，我们使用您喜欢的任何方法将1x3x3填充到5x7x7，并应用过滤器。这个过程有一些明显的缺点，这是因为您试图从较少的信息中推断出更多的信息