问题标签 [deconvolution]

我想使用 CNN 来解决去模糊任务，我有训练数据，它是一个 png 图像的目录和一个包含文件名的相应文本文件。

由于数据太大而无法一步添加到内存中，是否有任何 API 或某种方法可以使我可以将模糊图像作为输入读取，并将其作为预期结果进行训练？

我花了很多时间来解决这个问题，但是在阅读了在线 API 介绍中的 API 后，我感到困惑。

我需要对两个向量进行反卷积。这相当于多项式除法。例如，在 Matlab 中我会使用deconv函数。R中是否有类似/等效的功能？

我已经阅读了Zeiler 和 Fergus 的论文 Visualizing and Understanding Convolutional Networks，并希望利用他们的可视化技术。这篇论文听起来很有希望——但不幸的是，我不知道如何在 Keras（1.2.2 版）中实现它。

两个问题：

1. Keras 只提供Deconvolution2D层，但没有Unpooling也没有“反向 ReLU”层。我如何利用论文中提到的那些开关变量来实现反池化？我如何必须使用反向 ReLU（或者它只是“正常” ReLU）？

2. KerasDeconvolution2D层具有属性activation和subsample. 也许这些是解决我问题的关键？！如果是，我将不得不用一个图层替换我所有的图层Convolution2D++Activation组合，对吗？PoolingDeconvolution2D

我感谢您的帮助！

我正在尝试使用 tensorflow 构建反卷积网络。

这是我的代码。

参数激活基本上是从 VGG19 网络激活。

这是 deconv2d() 函数

这是损失

它不会产生输出形状兼容错误。但是，经过优化，

张量流产生错误，

解码器的输出大小为 (30, 256, 256 3)，其中 30 是批量大小。

看起来在“d_h1_deconv_1”层，全局梯度（流入运算单元的梯度流）是 (30, 256, 256, 64) 的形状，其中局部梯度（输入的梯度）是 (30, 128, 128, 64），这是非常明显的事实，它正在做转置卷积。

有谁知道如何使用 conv2d_transpose() 正确反向传播？谢谢！

我遇到了伪真实数据反卷积的问题。我想做的是创建一些脉冲轮廓，与高斯卷积，添加一些小噪声并反卷积。然而，这种轻微差异的添加（具有有限数量的测量）将破坏反卷积结果。

正如您在该图中看到的，两个卷积配置文件的配置文件“几乎”相同。然而...

你可以看到我得到了两个完全不同的结果：/任何想法如何处理这个问题？

我使用的代码在这里：

有人可以用简单的术语和示例来解释在执行 conv2d 前向传递后这些是如何工作的。

让我补充一下这个问题 - conv2d_backprop_filter 和 tf.nn.conv2d_backprop_input 有什么区别？

我想在 Scilab 中对图像执行 2D 反卷积。我似乎找不到它的内置功能。谁能指出我正确的方向？

最近几天我一直在玩 scipy 音频。下面的代码根据它需要一个音频文件和一个脉冲响应来工作。然后应用卷积并保存文件。到目前为止，一切都很好。

当重新导入文件并对其应用反卷积时，重新生成初始文件。它仍然可以完美运行。

但是，当任何其他文件传递给反卷积函数时，返回的数组包含大量的 NaN 和 0。

即使我加载文件并通过卷积函数运行它，脉冲响应为单个 1（平面滤波器）。为了获得通过相同过程的文件。

在反卷积后尝试将文件写入磁盘时，具有 NaN 和零的数组最终以错误结束。

有任何想法吗？提示？

我是编码新手，这是我的第一篇文章。请温柔一点。

我正在尝试使用 caffe 中的反卷积层来进行 ND-UnPooling。但是，bilinear不支持权重填充。对于 3D-Un-Pooling，我会：

如何像 4D-Unpooling 一样填充 ND-Unpooling 的权重（通道 x 深度 x 高度 x 宽度）。我可以省略重量填充物还是会产生不好的结果？

编辑

在这里，他们使用 Python 的 2D 双线性填充：（链接）[ https://github.com/shelhamer/fcn.berkeleyvision.org/blob/master/surgery.py]

我将其转换为 3D 的方法如下：

但是，我不是 Python 专家。这是正确的，还是可能有更简单的解决方案？

TF 文档在 tf.conv2d_transpose 中有一个 output_shape参数。为什么需要这个？层的步幅、过滤器大小和填充参数是否决定了该层的输出形状，类似于在卷积期间如何决定？