Mxnet (35): 使用全卷积网络（FCN）进行语义分割
发布时间
阅读量：
阅读量
1. 转置卷积
卷积层结构被设计用于扩展输入数据的宽度与高度。
假设一种基础情形，输入通道与输出通道数量均为1，填充参数设为0，步长设定为1。下图展示了转置卷积操作的实现方式，即通过使用2×2大小的卷积核，对2×2的输入矩阵进行处理，最终生成一个尺寸为3×3的输出结果。
将上述步骤以代码形式实现如下，其中K表示核函数，X代表输入数据：
def trans_conv(X, K):
h, w = K.shape
Y = np.zeros((X.shape[0] + h - 1, X.shape[1] + w - 1))
for i in range(X.shape[0]):
for j in range(X.shape[1]):
Y[i: i + h, j: j + w] += X[i, j] * K
return Y
X = np.array([[0, 1], [2, 3]])
K = np.array([[0, 1], [2, 全部评论 (0)
还没有任何评论哟~