モジュール 10:見るネットワーク(CNN)
上へ戻る:アップサンプリングと転置畳み込み
以前このコースを受けたことがありますか?
あなたを 1 人として数えるためです。送られるのはあなたの答えと匿名の進捗だけです。
なぜ大切か 生成器(モジュール 15 から 17、コースのパート 2)は、小さな特徴マップを完全な画像に戻さなければなりません。マップを大きくするやり方は 2 つあり、そのひとつは有名な市松模様の跡を残します。
- 最近傍のアップサンプリング:それぞれの画素を 2 × 2 のかたまりに写し、それからふつうの畳み込みをかける。なめらかで単純。
- ストライド 2 の 転置畳み込み:それぞれの入力の画素がフィルターを出力に 2 画素おきに「押す」。押した跡が重なるところでは寄与が足し合わされる。幅 3 のフィルターとストライド 2 では、ある出力の画素は 2 回押され、その隣は 1 回押される:市松模様として現れる不揃いなパターン。
小さな数
入力 [1, 1, 1]、フィルター [1, 1, 1]、ストライド 2:押す跡は 0、2、4 で始まり、[1, 1, 2, 1, 2, 1, 1] を返します。平らな入力がでこぼこになって出てきました。
このレッスンの言葉と記号
- 畳み込み
- 重みの小さな格子(フィルター)を画像の上で滑らせ、位置ごとにひとつの内積を取ること
- フィルター、特徴マップ
- 学習した重みの小さな格子。そしてその反応の画像
- パディング (p)、ストライド (s)
- 端のまわりに加えるゼロ。フィルターが一歩ごとに何画素動くか
- 転置畳み込み
- フィルターをより大きな出力に押すこと。市松模様を残しうる
あなたの番
1 次元の配列について upsample2(x)(それぞれの値を 2 回)と、tconv1d(x, w, stride)(i * stride から x[i] * w を押す。出力の長さは (len(x) - 1) * stride + len(w))を書いてください。それから checkerboard を tconv1d(np.ones(6), np.ones(3), 2) に設定します。
レッスン完了。お見事です。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。