问题标签 [deconvolution]

我知道，卷积original_image * filter = blur_image在哪里。*因此，filter = ifft(fft(blur)/fft(original))

我有一个原始图像、已知的过滤器和已知的模糊图像。我尝试了以下代码。我只想比较使用 fft 和 ifft 计算的过滤器并将其与已知过滤器进行比较。我在 Matlab 中试过：

结果没有意义。我看到它div包含许多NaN值，fftblur并且fftorig都包含许多 0 值。我需要对此做些什么吗？比如使用fftshift？

编辑：为了更容易理解，我现在使用的图片来自： http: //matlabgeeks.com/tips-tutorials/how-to-blur-an-image-with-a-fourier-transform-in- matlab-第i部分/

我决定使用以下链接计算origimageand的内核blurimageunpad：

结果如下：

https://imgur.com/a/b7uvj

这显然与该链接顶部提到的高斯模糊不匹配

使用tf.layers.conv2d_transpose什么定义输出张量形状时？

例如：如果输入是 4x4x512，输出是 8x8x256，可以给出过滤器，但是如何定义高度和宽度？或者它总是输入高度和宽度的两倍？

谢谢。

到目前为止，我已经看到使用 conv transpose 在网络中进行升级（例如在 DCGAN 论文中）。

现在我正在阅读 Nvidia 的一篇新文章（越来越多的 GAN，请参阅https://arxiv.org/abs/1710.10196），他们使用 tf.tile 来“升级”，之后他们使用常规卷积（相同的填充） .

我在哪里可以阅读更多关于 Nvidia 研究人员方法的信息？这两种方法之间的权衡是什么？

TensorFlow 新手。我有一个 size 的单通道图像W x H。我想在这个图像上做一个一维反卷积，内核只计算反卷积的输出行，和 3 x 3 像素。这意味着它在反卷积过程中仅使用一行中的每组 3 个像素一次。我想这可以通过 stride 参数来实现？

我知道TensorFlowconv1d_transpose的contrib分支中有一个，但是由于目前有限的文档，我很困惑如何实现上述目标。任何建议表示赞赏。

运行 tensorflow 代码时出现以下错误：

我正在尝试使用一些卷积和 conv2d_transpose。该错误来自最小化操作期间的 conv2d_transpose 层。不确定为什么会发生。这是我构建网络的方式：

我正在使用张量流 1.4.1

我是 CNN 的新手，我正在尝试 MNIST 数据库中的反卷积（生成特征图）代码（因为它是初学者最容易学习的代码）。我希望我的模型在最后生成特征图。想法是在一定程度上实现论文Saliency Detection Via Dense Convolution Network 。

这是我尝试运行的完整代码：

函数def GeneratorDeconv(image_size = 28)：我从ProgramCreek Python中挑选的

现在，我很困惑如何将它嵌入到我自己的自定义模型中。直到model.compile(...)程序运行正常。但是在model.fit(...)，它给出了错误：

ValueError：检查输入时出错：预期 input_2 有 2 个维度，但得到了形状为 (60000, 28, 28, 1) 的数组

我不知道如何解决这些问题。请帮忙。

I am attempting to remove my probes function from a signal using Fourier deconvolution, but I can not get a correct output with test signals.

The above script creates a demo sample (t), and a probe with Gaussian shape (g). Then, it convolves them to a signal gt, which is what a sample would look like when probed. I pad the signal to the nearest 2^N with pad_signals(), for efficiency and to fix any non-periodicity. Then I try to remove the gaussian probe with decon_fourier_ratio(). As is clear from the images, I do not recover the initial thickness gradient. Any ideas why the deconvolution is not working?

Note: I have also tried SciPy's deconvolve. But, this function only works for gaussians of certain widths.

Any help is greatly appreciated,

Eric

我正在尝试创建一个基于扩张卷积的自动编码器。我对不同的 suntax 以及向下/向上采样方法感到困惑。我们如何只为保留输入和输出大小的一层做到这一点？

- 通过使用tf.nn.atrous_conv2d然后tf.nn.atrous_conv2d_transpose

- 通过使用 tf.nn.conv2d 然后tf.nn.conv2d_transpose

提前致谢

我现在正在学习 CNN，正在研究层的反卷积。我已经开始学习上采样的过程，并通过从源代码中的过滤器生成特征图来观察卷积层如何看待世界。 VGG16 的过滤器的可视化，使用源代码。我改变了输入，代码如下：

我正在使用的输入图像是

它应该生成一个将 64 个特征图嵌入到一个图像中的输出，如VGG16 的过滤器的可视化所示，但它在每个过滤器处生成相同的输入图像 。

我很困惑出了什么问题或者我应该在哪里进行更改。

请帮忙。

我已经为反卷积层编写了代码，

我已经像这样调用了上面的函数，

收到此错误，

文件“u-net.py”，第 84 行，在 obj.computation() 文件“u-net.py”，第 41 行，计算中 deconvolution1 = deconv2d(x=cnn_layer10, W=[2,2,512,1024], stride=2) 文件“/home/shuvo/u-net/architecture.py”，第 35 行，在 deconv2d decon = tf.nn.conv2d_transpose(x, W, output_shape, strides=[1, stride, stride, 1] , padding='SAME') 文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/ops/nn_ops.py”，第 1019 行，在 conv2d_transpose 如果不是 value.get_shape()[axis] .is_compatible_with(filter.get_shape()[3])：
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_shape.py”，第500行，在getitem中 返回self._dims [key] IndexError：列表索引超出范围

我的意图是在形状应该是 [batch_size, 36,36,1024]=>[batch_size,72,72,512] 的地方制作一个反卷积层。请帮我解决这个错误，