文章目录

转置卷积Transposed Convolution

1.什么是转置卷积？

在这里插入图片描述

关键点

1.上采样（填充，使输出结果大于输入结果，实现一个上采样） 区别膨胀卷积：增大感受野
2.转置卷积不是卷积的逆运算
3.转置卷积也是卷积

2.转置卷积的步骤（包含计算公式）

1.在输入特征图元素间填充s-1行、列0
2.在输入特征图四周填充k-p-1行、列0
3.将卷积核参数上下/左右翻转
4.做正常卷积运算（填充0：不填充，步距1：不同于上面的s，上面的s是转置卷积的s）
在这里插入图片描述

3.转置卷积当中的参数

在这里插入图片描述

4.转置卷积的实例

1.简单概括图

在这里插入图片描述

2.普通的卷积运算如何计算?

在这里插入图片描述
另一种方式的计算方式，引出下边的计算
在这里插入图片描述

3.转置卷积

1.构造补充0的等效矩阵

等效矩阵：构造与输入feature map同样大小的0矩阵，卷积核每滑动一步就构造一个等效矩阵

将等效矩阵与输入feature map对应位置的数相乘再相加在这里插入图片描述

2.输入和等效矩阵展平操作

在这里插入图片描述

3.还原出相同大小的原始图片（eg：上图的4*4）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

4.得出结论

在这里插入图片描述
将绿色卷积核和原来的卷积核比较发现，原来的卷积核进行上下左右翻转得到绿色卷积核

# 深度学习 # 人工智能 # 计算机视觉
Logo
魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

小参数・大码力・易部署 | Qwen3.6-27B上线魔乐社区，基于昇腾的部署教程来了

继一周前模型开源发布后，千问再度开源Qwen3.6-27B —— 一个拥有270亿参数的稠密多模态模型，也是社区呼声最高的模型规格。Qwen3.6-27B 依然支持多模态思考与非思考模式，在智能体编程方面达到了旗舰级表现，全面超越前代开源旗舰 Qwen3.5-397B-A17B（总参数397B / 激活参数17B的MoE模型）。作为稠密架构，它无需MoE路由即可部署，是开发者在实用、可广泛部署规模

avatar 魔乐社区
cover

量化挑战赛冠军专访：4小时啃下W4A8量化，我靠的是这些经验

avatar 魔乐社区
cover

替你试过了，消费级显卡可以跑的开源文生图SOTA模型，顶级渲染、高密度文本绘图

avatar 魔乐社区