python - keras中的反卷积层

Question

我正在尝试在 keras python 中设计一个 CNN 架构。我想将(对于我的解码器)从反卷积层 5(512 个滤波器，滤波器大小为 4x4)转换到下一层(使用 deconvolution2D)，然后转到反卷积层 6 128 个滤波器，滤波器大小为 7x7 .我该怎么做反卷积？我尝试的是以下内容:

d6 = Deconvolution2D(128, 5, 5, subsample=(2,2),  activation='relu',init='uniform', output_shape=(None, 128, 7, 7), border_mode='same')(d6)

但是，此操作会产生 128 个大小为 8x8 的过滤器。我怎样才能拥有 7x7？

我还尝试通过选择过滤器大小 (3x3) 使用简单卷积从 (8x8) 到 (7x7) 和相同数量的过滤器:

d6 = Convolution2D(128, 3, 3,   activation='relu', border_mode='same')(d6)

但是，最后的结果还是相同的 (128,8,8) 而不是 (128, 7, 7)

Answer 1

在第一种情况下，问题在于您对 subsample(当前为“strides”)使用偶数，而对图像大小使用奇数。

使用subsample=(2,2)，您必然会将图像大小减半，因此逆卷积必然会使图像大小加倍。除非您开始使用 8x8 或删除 subsample，否则您在这里无能为力。 (如果你开始过多地使用内核大小、边界模式和子样本的组合，你可能会达到 7 x 7，但除了是一个令人困惑的数学之外，它还可能创建一个不平衡的图像，更偏左或更偏右，例如。当您的图像很小时，这可能会影响结果)

在第二种情况下，结果是相同的，因为您使用的是 border_mode='same'。但是如果你删除它，你的尺寸将从 8x8 变为 6x6。您需要大小为 (2,2) 的过滤器才能仅丢失一个像素。

---

我建议你迁移到 Keras 2。

例子:

#but I suggest you remove the strides
d6 = Conv2DTranspose(128, (5,5), strides = (2,2), activation = 'relu', padding='same', kernel_initializer='uniform')

#'valid' is the default value, but I wrote it so you see the new name of "border_mode"
d6 = Conv2D(128,(3,3), activation='relu', padding='valid')(d6)