Programma Lezione 123 di 246 · Modulo 10: Reti che vedono (CNN)
Modulo 10: Reti che vedono (CNN)

Tornare su: upsampling e convoluzione trasposta

Perché è importante I generatori (Moduli da 15 a 17, nella Parte 2 del corso) devono trasformare una piccola mappa delle caratteristiche di nuovo in un'immagine completa. Ci sono due modi di far crescere una mappa, e uno lascia un famoso artefatto a scacchiera.

  • Upsampling nearest: copia ogni pixel in un blocco 2 per 2, poi applica una convoluzione normale. Liscio e semplice.
  • Convoluzione trasposta con stride 2: ogni pixel dell'input "timbra" il filtro sull'output, a 2 pixel di distanza. Dove i timbri si sovrappongono, i contributi si sommano. Con un filtro largo 3 e stride 2, alcuni pixel dell'output ricevono due timbri e i loro vicini uno: uno schema irregolare che si vede come una scacchiera.

Numeri piccolissimi

Input [1, 1, 1], filtro [1, 1, 1], stride 2: i timbri partono da 0, 2 e 4, dando [1, 1, 2, 1, 2, 1, 1]. Un input piatto è uscito a gobbe.

Parole e simboli di questa lezione
convoluzione
far scorrere una piccola griglia di pesi (un filtro) su un'immagine, un prodotto scalare per posizione
filtro, mappa delle caratteristiche
la piccola griglia di pesi appresa; e l'immagine delle sue risposte
padding (p), stride (s)
zeri aggiunti attorno al bordo; di quanti pixel si sposta il filtro a ogni passo
convoluzione trasposta
timbrare un filtro su un output più grande; può lasciare una scacchiera
Tocca a te

Scrivi upsample2(x) per un array 1D (ogni valore due volte) e tconv1d(x, w, stride) (timbra x[i] * w partendo da i * stride; lunghezza dell'output (len(x) - 1) * stride + len(w)). Poi imposta checkerboard su tconv1d(np.ones(6), np.ones(3), 2).

Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione

Questo esercizio si apre presto

Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.