實現在CNN向後卷積多通道數據

我一直在努力，因爲我實現卷積神經網絡來獲得卷積運算更深入的瞭解。但是我在試圖計算反向通過或反捲積時卡住了。實現在CNN向後卷積多通道數據

可以說輸入是尺寸爲3x7x7的三維RGB圖像過濾器的尺寸爲3x3x3。在將步長設置爲2的卷積中，我們將得到尺寸爲3x3的輸出。

現在，這是我的問題。我已經讀過，反捲積是輸出與翻轉內核的卷積。但是在翻轉內核時，它仍然是尺寸爲3x3x3，輸出尺寸爲3x3。輸入是尺寸3x7x7。那麼，解卷積是如何計算的？

你在說2D或3D卷積嗎？「3x3x3」過濾器形狀是什麼意思？ – Maxim

@maxim我正在談論3D卷積，這就是爲什麼過濾器是3D –

@Maxim我相信他意味着2D彩色圖像，3是3通道 –

Here是一個很好的可視化如何卷積和反捲積（轉置卷積）。白色的部分只是零。

2017-10-13 07:03:04

這篇文章是偉大的，但我仍然不明白解卷積如何適用於3D作爲卷積結果的數據是2D，但濾波器本身是3D。 –

彩色圖像具有3個通道，紅色，綠色和藍色。因此，一個圖像7x7x3意味着它的3個獨立的7x7的地圖，記錄每個RGB顏色的強度。 –

回答