角化层的反褶积层

Question

我试着用角蟒设计CNN的架构。我想将(对于我的译码器)从反卷积层5(512个滤波器大小为4x4)转换到下一层(使用deconvolution2D)，并转换到具有滤波器大小7x7的反卷积层6128滤波器。我怎样才能进行反褶积？我尝试了以下几点：

d6 = Deconvolution2D(128, 5, 5, subsample=(2,2),  activation='relu',init='uniform', output_shape=(None, 128, 7, 7), border_mode='same')(d6)

但是，此操作将导致128个大小为8x8的过滤器。我怎么能换7x7呢？

我还试图通过选择滤波器大小、(8x8)和相同数目的滤波器，使用简单的卷积从(8x8)到(7x7)：

d6 = Convolution2D(128, 3, 3,   activation='relu', border_mode='same')(d6)

但是，最终的结果还是相同的(128,8,8)而不是(128, 7, 7)。

Answer 1

在第一种情况下，问题是您使用偶数表示subsample (当前的“大步”)，使用奇数表示图像大小。

使用subsample=(2,2)，您必须将图像的一半大小，因此逆卷积必然是图像大小的两倍。这里没有什么可以做的，除非您开始使用8x8或删除subsample。(如果您开始过多地使用内核大小、边框模式和子示例的组合，您可能会实现7x7，但除了是一个令人困惑的数学之外，它还可能创建一个不平衡的图像，例如，向左或向右更多。当你的图像那么小时，这可能会影响结果)

在第二种情况下，结果是相同的，因为您使用的是border_mode='same'。但是如果去掉这个，大小将从8x8变为6x6。您需要(2,2)的过滤器大小才能损失一个像素。

我建议你搬到凯拉斯2号去。

示例：

#but I suggest you remove the strides
d6 = Conv2DTranspose(128, (5,5), strides = (2,2), activation = 'relu', padding='same', kernel_initializer='uniform')

#'valid' is the default value, but I wrote it so you see the new name of "border_mode"
d6 = Conv2D(128,(3,3), activation='relu', padding='valid')(d6)