你的位置:首页 > 信息动态 > 新闻中心
信息动态
联系我们

【机器学习】详解 转置卷积 (Transpose Convolution)

2021/11/8 1:09:44

目录

一、转置卷积的背景

二、转置卷积的应用

三、转置卷积的区别

四、转置卷积的推导

五、转置卷积的输出

5.1 stride = 1

5.2 stride > 1 ☆

六、小结 


一、转置卷积的背景

        通常,对图像进行多次卷积运算后,特征图的尺寸会不断缩小。而对于某些特定任务 (如 图像分割 和 图像生成 等),需将图像恢复到原尺寸再操作。这个将图像由小分辨率映射到大分辨率的尺寸恢复操作,叫做 上采样 (Upsample),如下图所示:

图1 上采样示例

        上采样方法有很多,详见《【图像处理】详解 最近邻插值、线性插值、双线性插值、双三次插值_闻韶-CSDN博客》。然而,这些上采样方法都是基于人们的先验经验来设计的,在很多场景中效果并不理想 (如 规则固定、不可学习)。因此,我们希望神经网络自己学习如何更好地插值,即接下来要介绍的 转置卷积


二、转置卷积的应用

        曾经,转置卷积也被称为 反卷积 (Deconvolution)。与传统的上采样方法相比,转置卷积的上采样方式并非预设的插值方法,而是同标准卷积一样,具有可学习的参数,可通过网络学习来获取最优的上采样方式

        转置卷积在某些特定领域具有广泛应用,比如:  

  • 在 DCGAN[1],生成器将随机值转变为一个全尺寸图片,此时需用到转置卷积。
  • 在语义分割中,会在编码器中用卷积层提取特征,然后在解码器中恢复原先尺寸,从而对原图中的每个像素分类。该过程同样需用转置卷积。经典方法有 FCN[2] 和 U-net[3]。
  • CNN 可视化[4]:通过转置卷积将 CNN 的特征图还原到像素空间,以观察特定特征图对哪些模式的图像敏感。

三、转置卷积的区别

        标准卷积的运算操作 其实是对卷积核中的元素 与输入矩阵上对应位置的元素 进行逐像素的乘积并求和。然后,卷积核在输入矩阵上以步长为单位进行滑动,直到遍历完输入矩阵的所有位置。    

        假设,输入是一个 4×4 矩阵,使用 3×3 的标准卷积进行计算,同时令 padding=0,stride=1。最终输出结果应是一个 2×2 矩阵,如图 2 所示:

图2 标准卷积示例

        在上例中,输入矩阵右上角 3×3 范围的值 (黄色 2 3 4) 会影响 输出矩阵右上角的值 (黄色 27),这其实也对应了标准卷积中感受野的概念。所以,可以说 3×3 标准卷积核 建立了 输入矩阵中 9 个值输出矩阵中 1 个值 的映射关系。    

        综上所述,我们也就可以认为标准卷积操作实际上就是建立了一个 多对一的映射关系。    

        对转置卷积而言,我们实际上是想建立一个逆向操作,即 一对多的映射关系。对于上例,我们想要建立的其实是输出矩阵中的 1 个值与输入矩阵中的 9 个值的关系,如图 3 所示:

图3 卷积逆向运算示例

         当然,从信息论的角度上看,常规卷积操作是不可逆的,所以转置卷积并不是通过输出矩阵和卷积核计算原始输入矩阵,而是计算得到保持了相对位置关系的矩阵


四、转置卷积的推导

        定义一个 4×4 输入矩阵 input

        再定义一个 3×3 标准卷积核 kernel

        设 步长 stride=1、填充 padding=0,则按 "valid" 卷积模式,可得 2×2 输出矩阵 output

        这里,换一个表达方式,将输入矩阵 input 和输出矩阵 output 展开成 16×1 列向量 X 4×1 列向量 Y,可分别表示为:

        接着,再用矩阵运算来描述标准卷积运算,设有 新卷积核矩阵 C

        经推导 (卷积运算关系),可得 4×16 稀疏矩阵 C

         以下,用图 4 展示矩阵运算过程:

图4 标准卷积矩阵运算示例

        而转置卷积其实就是要对这个过程进行逆运算,即 通过 C 和 Y 得到 X

        此时,C^T即为新的 16×4 稀疏矩阵。以下通过图 5 展示转置后的卷积矩阵运算。此处,用于转置卷积的权重矩阵 C^T 不一定来自于原卷积矩阵 C (通常不会如此恰巧),但其形状和原卷积矩阵 C 的转置相同。

图5 转置后卷积矩阵运算示例

        最后,将 16×1 的输出结果重新排序,即可通过 2×2 输入矩阵得到 4×4 输出矩阵。


五、转置卷积的输出

5.1 stride = 1

        同样,使用上文中的 3×3 卷积核矩阵 C

        输出矩阵 output 仍为:

        将输出矩阵展开为 列向量 Y

        带入到上文中的转置卷积计算公式,则转置卷积的计算结果为:

        这其实等价于 先填充 padding=2 的输入矩阵 input

        然后,转置标准卷积核 kernel

        最后,在 填零的输入矩阵 input 上使用 经转置的标准卷积核 kernel 执行 标准卷积运算,如图 6 所示:

图6  s=1 的转置卷积运算示例

        更一般地,对于卷积核尺寸 kernel size = k,步长 stride = s = 1,填充 padding = p = 0 的标准卷积,上述 等价的转置卷积 在原尺寸为 i' 的输入矩阵上进行运算,输出特征图的尺寸 o' 为: 

o' = (i' - 1) + k

        同时,转置卷积的输入矩阵 input 在卷积运算前,需先进行 padding' = k-1 的填充,得到尺寸 i'' = i' + 2(k-1)

        因此,实际上原计算公式为:

o' = \frac{i'' - k + 2p} {s} + 1 = i' + 2(k-1) - k + 1 = (i'-1) + k


5.2 stride > 1 ☆

        在实际中,我们大多数时候会使用 stride>1 的转置卷积,从而获得较大的上采样倍率。

        以下,令输入尺寸为 5×5,标准卷积核同上  kernel size = k= 3,步长  stride = s = 2,填充  padding = p = 0,标准卷积运算后,输出矩阵尺寸为 2×2

        此处,转换后的稀疏矩阵尺寸变为 25×4,由于矩阵太大这里不展开进行罗列。最终转置卷积的结果为:

        此时,等价于 输入矩阵同时添加了 空洞 和 填充,再由仅转置的标准卷积核进行运算,过程如图 7 所示:

图7 s=2 时,转置卷积运算示例

        更一般地,对于卷积核尺寸 kernel size = k,步长 stride = s > 1,填充 padding = p = 0 的标准卷积,上述 等价的转置卷积 在原尺寸为 i' 的输入矩阵上进行运算,输出特征图的尺寸 o' 为: 

o' = s(i' - 1) + k

        同时,转置卷积的输入矩阵 input 在卷积运算前,需先进行 padding' = k-1 的填充;然后,相邻元素间的空洞数为 s-1,共有 i' - 1 组空洞需插入;从而,实际尺寸为 i'' = i' + 2(k-1) + (i' -1) \times (s-1) = s \times (i' - 1) + 2k - 1

        因此,实际上原计算公式为:

o' = \frac{i'' - k + 2p} {s} + 1 = s(i' - 1) + 2k - 1 - k + 1 = s(i' - 1) + k

        可见,通过控制步长 stride = s 的大小可以控制上采样的倍率,而该参数类比于膨胀/空洞卷积的 膨胀率/空洞数


六、小结 

        注意:矩阵中的实际权值不一定来自原始卷积矩阵。重要的是权重的排布是由卷积矩阵的转置得来的。转置卷积运算与普通卷积形成相同的连通性,但方向是反向的。

        我们可以用转置卷积来上采样,而 转置卷积的权值是可学习的,所以无需一个预定义的插值方法。

        尽管它被称为转置卷积,但这并不意味着我们取某个已有的卷积矩阵并使用转置后的版本。重点是,与标准卷积矩阵 (一对多关联而不是多对一关联) 相比,输入和输出之间的关联是以反向的方式处理的

        因此,转置卷积不是卷积,但可以用卷积来模拟转置卷积通过在输入矩阵的值间插入零值 (以及周围填零) 上采样输入矩阵,然后进行常规卷积 就会产生 与转置卷积相同的效果。你可能会发现一些文章用这种方式解释了转置卷积。但是,由于需要在常规卷积前对输入进行上采样,所以效率较低。 

        注意:转置卷积会导致生成图像中出现 网格/棋盘效应 (checkerboard artifacts),因此后续也存在许多针对该问题的改进工作。


参考资料:

听六小桨讲AI | 第5期:卷积的变体之转置卷积

https://towardsdatascience.com/up-sampling-with-transposed-convolution-9ae4f2df52d0