问题标签 [deconvolution]

我正在探索和学习计算机视觉领域，目前正在学习 CNN。我完全理解 CNN 的概念，即直到完全连接层。

但是，当我深入研究图像分割的任务时，我遇到了以下论文：

• 用于语义分割的学习反卷积网络
• 用于语义分割的全卷积网络
• U-Net：用于生物医学图像分割的卷积网络

在这里，他们讨论了卷积和全连接层，然后是反卷积和非池化。我了解反卷积和非池化的数学方面，但我无法理解并且最重要的是无法想象它们最终如何导致图像分割。

我有一个接受过分类任务训练的 CNN（网络很简单，2 个卷积 + 池化层和 2 个全连接层）。如果我输入分类标签，我想用它来重建图像。

这有可能实现吗？

是否可以在 2 个网络中的相应层之间共享权重？

我想用它tf.nn.conv2d_transpose来为 GAN 网络构建一个反卷积层。

我想创建一个函数deconv_layer。它生成一个新层，该层输出的filter_num过滤器expand_size的分辨率是输入的倍数。

我的代码是：

错误信息：

我不确定我tf.nn.conv2d_transpose是否正确使用。我尝试基于卷积层创建它。

tf.nn.conv2d_transpose我在正常工作方面遇到了问题。这是我正在尝试做的一个小复制：

我想要的是使用三个 5x5x1 过滤器对 3x3x1 输入执行转置卷积。我希望输出的形状为 7x7x3 - 但相反，我收到一条错误消息：

输入和过滤器深度不是都等于1吗？我看不出我做错了什么 - 任何提示都会非常感激。我特别想使用tf.nn.conv2d_transpose而不是tf.layers.conv2d_transpose.

我有一个问题和一个解决方案，但我想知道我的回答是否正确，或者我在哪里做错了感谢您的帮助-->问题是-->一位研究货币兑换实践的考古学教授意识到四个对他的研究至关重要的罗马硬币被列在博物馆的藏品中。不幸的是，他得知硬币最近被盗了。对他而言，好事是博物馆保存了他们藏品中每件物品的照片。不幸的是，他感兴趣的硬币照片模糊到无法读取日期和其他标记的程度。有用于拍摄照片的原始相机，以及同一时代的其他代表性硬币。您被聘为图像处理顾问，以帮助教授确定是否可以使用计算机处理将图像处理到教授可以读取标记的程度。提出逐步解决此问题的方法。

比我的解决方案--> 首先，从我设置的导致照片模糊的硬币和相机中选择相应的启动方法。使用反卷积方法消除模糊后，我使用高通滤波器来显示硬币的周长或使用阈值法，以便我可以揭示货币的形状。在 2D 摄影中，很容易看到硬币在哪里以及我必须交易哪些像素。例如，而不是应用一个整体对图像进行处理，我一直在研究已确定的像素器。然后在您从硬币中获得必要信息的地方，我在 xy 方向上采用梯度来确定图像中可能有哪些部分。然后我申请拨号到必要的部分，以便这部分可以清楚。一旦这个地方变得更清晰，我就会通过 OCR（光学字符识别）或模板匹配获得所需区域的清晰图像。如果你至少发表评论，我很高兴非常感谢。

我应该遵循哪些步骤来对图像进行去模糊处理？我调查了一下，发现我必须知道一些 PSF。所有这些的公式都非常复杂，并且已经内置在 MATLAB 中。但我想在 CPP 中手动执行相同的操作。

输入只是模糊的图像。我还需要估计和优化 PSF。

在开始之前，我必须告诉你，我对 python 中的 DSP 的了解为零。
我想使用 python 对两个声音信号进行反卷积，以便我可以提取房间脉冲响应，输入信号是正弦波，输出是它的记录。
我写了一段代码，但是没有用，我尝试了太久，真的没有结果。
有人可以帮我计算输入和输出的 FFT 然后计算 h 他们分数的 iFFT 并绘制它的代码。

因此，我使用此代码来获取房间的脉冲响应，但出现此错误（'错误使用/矩阵尺寸必须一致'）

有人可以帮忙以及如何解决它。

mxnet的版本是0.9，我使用基于resnet-50的Deconvolution算子进行实例分割，但是处理了几个batch后，程序崩溃了，报错信息是

在通过反卷积馈送图层之前，我无法重新塑造图层。我不知道如何在卷积中反转展平层。谢谢您的帮助！