デコンボリューションは、基本的にフリップされたフィルターによる出力の畳み込みで、2Dデータ用に実装されています。しかし、私は3Dデータのためにそれを一般化することができません。たとえば、寸法が3x5x5
で、フィルタのサイズが3x3x3
、ストライドが1に設定されているとします。出力は、寸法が1x3x3
になります。私が理解していないことは、この出力のデコンボリューションを計算する方法です。フリップされたフィルタは、再び、寸法が3x3x3
であり、畳み込みの出力は、畳み込みに適合しない寸法が1x3x3
である。では、デコンボリューションをどのように計算できますか?3チャンネル画像の畳み込みレイヤーの逆方向パス
0
A
答えて
1
おそらく、このpostが少しお手伝いします。同じサイズのフィルタがデコンボリューションの次元に合わないと言うのは間違いありません。そのため、1x3x3には、必要なサイズになるまでゼロ、平均値、nnなどが埋め込まれます。深さは同じように扱うことができます。あなたの例では、3x3x3フィルタを使って1x3x3を3x5x5に 'デコンボリューション'する必要があります。したがって、私たちは1x3x3を5x7x7に(あなたが好む方法で)パディングし、フィルタを適用します。このプロセスには明らかな欠点があります。これは、より少ない情報量からより多くの情報を推測しようとしているという事実に由来します。
関連する問題
- 1. 空間畳み込み対周波数畳み込み画像の逆フィルタ
- 2. x方向の画像の各行に1D畳み込み
- 3. 畳み込み、画像上の画像
- 4. なぜ畳み込みニューラルネットワークの3つのチャンネルが
- 5. Kerasの畳み込みレイヤーのウェイト
- 6. 畳み込みニューラルネットワークのレイヤーを特定
- 7. 畳み込みニューラルネットワークと3D画像
- 8. 完全畳み込みネットワークトレーニング画像サイズ
- 9. 可変長シーケンスと畳み込みレイヤーとLSTMレイヤーの組み合わせ
- 10. ケラスの可変サイズ画像用の完全畳み込みオートエンコーダー
- 11. 畳み込みニューラルネットワークの列車画像の選択
- 12. 稠密レイヤーを畳み込みレイヤーに変換する方法をPython keras
- 13. kerasモデルの畳み込みレイヤーの可視化
- 14. 畳み込みニューラルネットワークの画像前処理
- 15. 畳み込みネットワーク:完全に接続されたレイヤーのドロップアウト
- 16. ケラスのpythonを使用して出力畳み込みレイヤー
- 17. TensorFlowサポートの畳み込みレイヤーがドロップアウトしますか?
- 18. Keras(Theano)の畳み込みレイヤーでカーネルサイズが均一な埋め込み
- 19. 畳み込みレイヤーと密なレイヤーの間に新しい情報を追加
- 20. Tensorflow畳み込みとnumpy畳み込みの違い
- 21. 可変サイズ画像を持つ2D畳み込みニューラルネットワーク
- 22. Tensorflow画像を返す畳み込みネットワーク(ログなし)
- 23. マルチチャネル画像データセットでトレーニング畳み込みネット
- 24. Keras畳み込みレイヤーはカラーチャンネルで何をしますか?
- 25. 3つのカラーチャネルを使用した画像の畳み込み/プールを想像するには
- 26. CNNでマルチチャネルデータの逆畳み込みを実装する
- 27. 畳み込みニューラルネットワークでPoolingレイヤーの後にイメージサイズを印刷する方法
- 28. 畳み込みニューラルネットワークモデルアーキテクチャ
- 29. ゴーランの畳み込み
- 30. 畳み込みネットのケラスパラメータ