Programma Les 123 van 246 · Module 10: Netwerken die zien (CNNs)
Module 10: Netwerken die zien (CNNs)

Terug naar boven: upsampling en transposed convolution

Waarom dit ertoe doetGenerators (Modules 15 tot 17, in Deel 2 van de cursus) moeten een kleine feature map terugveranderen naar een volledig beeld. Er zijn twee manieren om een map te laten groeien, en een van de twee laat een bekend schaakbord artefact achter.

  • Nearest upsampling: kopieer elke pixel naar een blok van 2 bij 2, pas dan een gewone convolution toe. Glad en eenvoudig.
  • Transposed convolution met stride 2: elke input pixel "stempelt" de filter op de output, met 2 pixels tussenruimte. Waar stempels overlappen, tellen de bijdragen op. Met een filter van 3 breed en stride 2 krijgen sommige output pixels twee stempels en hun buren krijgen er één: een ongelijkmatig patroon dat verschijnt als een schaakbord.

Tintalletjes

Input [1, 1, 1], filter [1, 1, 1], stride 2: stamps beginnen bij 0, 2 en 4, wat [1, 1, 2, 1, 2, 1, 1] geeft. Een vlakke input kwam hobbelig naar buiten.

Woorden en symbolen in deze les
convolution
het verschuiven van een klein raster van gewichten (een filter) over een afbeelding, één dot product per positie
filter, feature map
het kleine geleerde raster van gewichten; en de afbeelding van de responsen
padding (p), stride (s)
zeros toegevoegd rond de rand; hoeveel pixels de filter elke stap verplaatst
transposed convolution
stamping een filter op een grotere output; kan een schaakbord achterlaten
Jij bent aan de beurt

Schrijf upsample2(x) voor een 1D array (elke waarde twee keer) en tconv1d(x, w, stride) (stempel x[i] * w beginnend bij i * stride; uitvoerlengte (len(x) - 1) * stride + len(w)). Zet daarna checkerboard op tconv1d(np.ones(6), np.ones(3), 2).

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.