預先訓練好的VGG-16網絡
https://gist.github.com/baraldilorenzo/07d7802847aaad0a35d3
VGG
16http://www.robots.ox.ac.uk/~vgg/research/very_deep/
代碼實現
https://github.com/mengli/MachineLearning/blob/master/self_driving/road_seg/convnet.py
我們再把4 \times 4的輸入特徵展成16 \times 1的矩陣X:
那麼輸出矩陣Y=CX則是一個的輸出特徵矩陣,把它重新排列成$2 \times 2的輸出特徵就得到最終的結果,通過上述的分析,我們可以看到卷積操作可以表示爲和矩陣C相乘,那麼反捲積操作就是和矩陣C的轉置C^T相乘。因此,反捲積操作也被稱爲轉置卷積操作(transposed convolutional layer)。
下圖所示的是參數爲的反捲積操作,其對應的卷積操作參數爲
。