deconvolution相关内容

为什么我们必须在张量流的反卷积过程中指定输出形状?

TF 文档在 tf.conv2d_transpose 中有一个 output_shape 参数.为什么需要这个?层的步幅、过滤器大小和填充参数不是决定了该层的输出形状，类似于卷积过程中的决定方式吗? 解决方案 这个问题已经在 TF github 并收到答复: output_shape 是需要的，因为输出的形状不能必须根据输入的形状计算，特别是如果输出小于过滤器，我们使用有效填充所以输 ..

发布时间：2021-12-31 17:10:12 tensorflow neural-network conv-neural-network deconvolution 其他开发

了解 scipy 反卷积

我正在尝试了解 scipy.signal.deconvolve. 从数学的角度来看，卷积只是傅立叶空间中的乘法，所以我期望对于两个函数 f 和 g: Deconvolve(Convolve(f,g), g) == f 在 numpy/scipy 中，情况并非如此，或者我错过了重要的一点.尽管已经有一些与 SO 上的反卷积相关的问题(例如 here 和 此处)他们没有解决这一点，其他人 ..

发布时间：2021-12-31 11:53:01 python numpy scipy signals deconvolution Python

具有不同尺寸图像的 Tensorflow 卷积神经网络

我正在尝试创建一个深度 CNN，可以对图像中的每个像素进行分类.我正在从下面的图片中复制架构，该图片取自 this 论文.在论文中提到使用了反卷积，因此任何大小的输入都是可能的.这可以在下图中看到. Github 存储库 目前，我对模型进行了硬编码以接受 32x32x7 大小的图像，但我想接受任何大小的输入.我需要对代码进行哪些更改才能接受可变大小的输入? x = tf.place ..

发布时间：2021-12-27 16:58:11 python tensorflow deep-learning conv-neural-network deconvolution Python

在 tensorflow 中寻找来自 gen_nn_ops 的源代码

我是用于深度学习的 tensorflow 的新手，并且对 tensorflow 中的反卷积(卷积转置)操作感兴趣.我需要看一下操作反卷积的源代码.函数是我猜 conv2d_transpose() in nn_ops.py. 然而，在该函数中，它调用了另一个名为 gen_nn_ops.conv2d_backprop_input() 的函数.我需要看看这个函数里面有什么，但我无法在存储库中找到它 ..

发布时间：2021-12-09 22:37:08 python tensorflow deep-learning deconvolution Python

如何堆叠Tensorflow的conv2d_transpose()的多层

我正在尝试堆叠2层 tf.nn.conv2d_transpose()以对张量进行上采样.它在前馈期间工作正常，但在向后传播期间出现错误: ValueError:广播的形状不兼容:(8、256、256、24)和(8、100、100、24). 基本上，我只是将第一个 conv2d_transpose 的输出设置为第二个的输入: convt_1 = tf.nn.conv2d_transpose ..

发布时间：2021-04-29 20:46:08 tensorflow deep-learning deconvolution 其他开发

如何创建一个层来反转softmax(TensforFlow，python)?

我正在建立一个反卷积网络.我想在上面添加一层，这是softmax的反面.我试图编写一个基本的python函数，该函数返回给定矩阵的softmax的逆并将其放在tensorflow Lambda中并将其添加到我的模型中.我没有错误，但是当我做一个预测时，我在出口处只有0.当我不将此层添加到我的网络时，我输出的不是零.因此，这证明它们归因于我的inv_softmax函数是错误的.您能启发我如何进行吗? ..

发布时间：2021-04-29 20:45:36 python tensorflow deep-learning softmax deconvolution Python

通过相同大小的卷积，维纳滤镜无法处理模糊图像

我正在MATLAB中测试Wiener滤波器以恢复模糊的图像.我正在使用conv2()来模糊原始图像.如果我对conv2()使用'full'选项，则一切正常.但是，当我更改为“相同"或“有效"时，突然在恢复的图像中出现了许多伪像，并且维纳滤镜失败了.请参阅下面的模糊图像，从“完全"卷积恢复，从“相同"卷积恢复. 在现实生活中，模糊的图像永远不会具有圆形或完全卷积的形式，我该如何正确实现维纳滤镜 ..

发布时间：2021-04-24 19:50:31 matlab image-processing filtering convolution deconvolution 其他开发

有反卷积的实现吗？

有些人可能更喜欢称其为转置卷积，如此处。 我期待用Python或C / C ++实现转置卷积。 谢谢大家的帮助！ 解决方案 即使我正在寻找转置卷积的实现。我只能在tensorflow模块中找到一个。我正在尝试让这个解决我的问题。 链接到Tensor流API以进行转置卷积 如果有帮助，您还可以使用常规2d卷积进行转置卷积，如下所示在此处 让我知道您能否获得这个东西可以工 ..

发布时间：2020-06-11 18:47:06 python computer-vision convolution deconvolution Python

使用张量流解卷积/Transpose_Convolutions

我正在尝试使用tf.nn.conv3d_transpose，但是，我收到一条错误消息，表明我的过滤器和输出形状不兼容. 我的张量为[1,16,16,4,192] 我正在尝试使用[1,1,1,192,192]过滤器 我相信输出形状将为[1,16,16,4,192] 我使用的是“相同"填充，跨度为1. 最终，我希望输出的形状为[1,32,32,7，“无关紧要"]，但是我试图首先得到一 ..

发布时间：2020-06-11 18:47:01 tensorflow conv-neural-network deconvolution 其他开发

图像去模糊

我正在尝试对Python中的图像进行模糊处理，但是遇到了一些问题。这是我尝试过的方法，但请记住，我不是该主题的专家。根据我的理解，如果您知道点扩散函数，则应该能够通过执行反卷积相当简单地对图像进行模糊处理。但是，这似乎不起作用，我也不知道自己是在做愚蠢的事情还是只是对事情的理解不正确。在马克·纽曼（Mark Newman）的《计算物理》一书（使用Python）中，他谈到了问题7.9。在这个问题中， ..

发布时间：2020-06-11 18:46:58 python image-processing deconvolution Python

如何在tensorflow的deconv2d的output_shape参数中给出变量batch_dim？

我正在尝试对可变大小的数据批量使用 tf.nn.deconv2d（） op。但是，看来我需要将 output_shape 参数设置如下： tf.nn.deconv2d（x，filter，output_shape = [12，24，24，5]，步幅= [1,2,2,1]， padding =“ SAME”） 为什么 tf.nn.deconv2d（）需要固定 output_s ..

发布时间：2020-06-11 18:46:55 tensorflow deconvolution 其他开发

为什么这个Conv2d_Transpose/deconv2d不返回tensorflow中的原始输入?

weights = tf.placeholder("float",[5,5,1,1]) imagein = tf.placeholder("float",[1,32,32,1]) conv = tf.nn.conv2d(imagein,weights,strides=[1,1,1,1],padding="SAME") deconv = tf.nn.conv2d_transpose(conv, we ..

发布时间：2020-06-11 18:46:49 tensorflow convolution deconvolution 其他开发

CNN：输入步幅与输出步幅

在论文“语义卷积的完全卷积网络”中，作者在反卷积的背景下区分了输入步幅和输出步幅。 这些术语有何不同？ 解决方案 输入步幅是步幅过滤器。您在输出中移动了多少滤波器。 输出步幅，这实际上是一个标称值。经过多次卷积和最大池化操作后，我们在CNN中获得了特征图。假设我们的输入图像是 224 * 224 ，而最终特征图是 7 * 7 。 然后我们说我们的输出跨度为：224/7 = 3 ..

发布时间：2020-06-11 18:46:46 conv-neural-network convolution deconvolution 其他开发

具有不同大小图像的Tensorflow卷积神经网络

我正在尝试创建一个深的CNN，以对图像中的每个像素进行分类。我正在从下面的图像中复制架构，该图像取自此论文。在本文中提到了使用反卷积，以便任何大小的输入都是可能的。可以在下图中看到。 Github存储库 当前，我已经硬编码了我的模型以接受尺寸大小的图像32x32x7，但我想接受任何大小的输入。 我需要对代码进行哪些更改以接受可变大小的输入？ x = tf .placeholde ..

发布时间：2020-06-11 18:46:43 python tensorflow deep-learning conv-neural-network deconvolution Python

在张量流中从gen_nn_ops寻找源代码

我对用于深度学习的tensorflow并不陌生，并且对tensorflow中的反卷积(卷积转置)操作感兴趣.我需要看一下操作反卷积的源代码.我猜该函数是nn_ops中的 conv2d_transpose(). py . 但是，在该函数中，它调用了另一个名为gen_nn_ops.conv2d_backprop_input()的函数.我需要看一下此函数的内部内容，但是无法在存储库中找到它.任何帮 ..

发布时间：2020-06-11 18:46:40 python tensorflow deep-learning deconvolution Python

了解科学解卷积

我正在尝试了解 scipy.signal.deconvolve . 从数学的角度来看，卷积只是傅立叶空间中的乘法，所以我希望 两个功能f和g的功能: Deconvolve(Convolve(f,g) , g) == f 在numpy/scipy中不是这种情况，或者我错过了重要的一点. 尽管已经有一些与去卷积相关的问题(例如，此处和此处)，它们没有解决这一点，其他方面仍不清楚(). S ..

发布时间：2020-05-18 18:50:48 python numpy scipy signals deconvolution Python

在卷积网络中使用im2col运算如何更有效率?

我正在尝试实现卷积神经网络，但我不明白为什么使用im2col操作会更高效.它基本上将要乘以过滤器的输入存储在单独的列中.但是，为什么不应该直接使用循环来计算卷积而不是先执行im2col呢? 解决方案 好吧，您以正确的方式进行思考，在Alex Net中，将近95％的GPU时间和89％的CPU时间用于卷积层和完全连接层. 卷积层和完全连接层是使用GEMM表示的，GEMM代表通用矩阵到 ..

发布时间：2020-05-17 19:19:06 neural-network conv-neural-network correlation convolution deconvolution 其他开发

为什么在张量流反卷积过程中必须指定输出形状?

TF文档在 tf.conv2d_transpose 中具有output_shape参数.为什么需要这个?跨度的步幅，滤波器大小和填充参数是否决定该层的输出形状，类似于在卷积期间如何确定? 解决方案 已在 TF github 并收到答案: output_shape是必需的，因为输出的形状不能 必须根据输入的形状进行计算，特别是如果 输出小于过滤器，我们使用有效填充 输入的图像为空.但是 ..

发布时间：2020-05-17 19:16:35 tensorflow neural-network conv-neural-network deconvolution 其他开发

如何更新反卷积层的权重?

我正在尝试开发一个反卷积层(或者确切地说是一个转置的卷积层). 在前向传递中，我进行了一次完整的卷积(填充为零的卷积) 在向后传递中，我进行了有效的卷积(无填充的卷积)以将错误传递到上一层 易于计算偏差的梯度，只需对多余尺寸进行平均即可. 问题是我不知道如何更新卷积滤波器的权重.什么是渐变?我确定这是一次卷积运算，但我不知道如何进行.我尝试对输入进行有效卷积，但有错误，但无济于事 ..

发布时间：2020-05-04 09:57:57 machine-learning deep-learning convolution deconvolution AI人工智能

如何在numpy中为CNN实现反卷积层?

我尝试为卷积网络实现反卷积层.反卷积的意思是，假设我将3x227x227输入的图像输入到具有大小为3x11x11且跨度为4的滤镜的图层，因此生成的特征贴图的大小为55x55.我想做的是在将55x55特征图再次投影到3x227x227图像的情况下应用相反的操作.基本上，55x55特征图上的每个值都由3x11x11过滤器加权，并投影到图像空间，并且对由于步幅而产生的重叠区域进行平均. 我尝试在n ..

发布时间：2020-05-04 09:48:33 python numpy machine-learning convolution deconvolution AI人工智能