卷积 - 卷卷式对对维度略有不同

Question

我正在使用卷积层，然后是一个反卷积层，如：

tf.nn.conv2d(num_outputs=1, kernel_size=[21, 11], stride=[2, 2], padding="SAME", rate=1)
tf.nn.conv2d_transpose(num_outputs=1, kernel_size=[21, 11], stride=[2, 2], padding="SAME")

我的想法是使初始图像较小，然后将其带到原始卷积。我实际上正在使用tf.slim函数，但是论点是上面的。

当我查看输入和输出时，我的差异很小：

Input shape :  (16, 161, 511, 1)
Output shape:  (16, 162, 512, 1)

我认为这可能是由于我的步幅大小或内核大小。我尝试了多个值，但似乎没有一个值重现原始维度。

Answer 1

一种流行的方法是填充输入图像，以便卷积和反卷积后的输出与填充输入的大小相同。然后裁剪输出以适合原始输入而无需填充。