利用全卷積網絡進行車道識別

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$4 \times 1$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$i'=2, k'=3, s'=1, p'=2$的反捲積操作，其對應的卷積操作參數爲
$i=4, k=3, s=1, p=0$。