Transposed Convolution

释义 Definition

转置卷积：一种在深度学习中常用的运算，常用于上采样（把特征图放大到更高的空间分辨率），例如在语义分割、生成模型中把“低分辨率特征”映射回“高分辨率输出”。
也常被（不太严谨地）称为“反卷积 deconvolution”，但它并不等同于严格数学意义上的“卷积逆运算”。

发音 Pronunciation (IPA)

/trnzpozd knvlun/

例句 Examples

The model uses transposed convolution to upsample the feature maps.
该模型使用转置卷积对特征图进行上采样。

In semantic segmentation, a transposed convolution layer can recover spatial detail from a low-resolution representation while learning the upsampling weights.
在语义分割中，转置卷积层可以从低分辨率表示中恢复空间细节，同时学习上采样所需的权重。

词源 Etymology

transposed 来自 transpose（“转置、调换位置”），常指矩阵的转置操作；convolution 来自拉丁语 convolvere（“卷在一起”），在数学与信号处理中指“卷积”。“transposed convolution”这一术语强调它与标卷积在实现上存在一种“转置/对偶”的关系（常对应把卷积表示成矩阵乘法时使用“转置矩阵”的结构）。

文学与经典著作 Literary Works

Ian Goodfellow, Yoshua Bengio, Aaron Courville：《Deep Learning》（讨论卷积网络及相关上采样/生成结构时常涉及转置卷积/“deconvolution”用法）
Jonathan Long, Evan Shelhamer, Trevor Darrell：论文《Fully Convolutional Networks for Semantic Segmentation》（FCN，提出用“deconvolution”层进行上采样以输出像素级预测）
Vincent Dumoulin, Francesco Visin：综述《A guide to convolution arithmetic for deep learning》（系统讲解卷积与转置卷积的尺寸计算与对应关系）
Augustus Odena, Vincent Dumoulin, Chris Olah：文章《Deconvolution and Checkerboard Artifacts》（讨论转置卷积带来的棋盘格伪影问题）