Класс Conv2DTranspose

Класс Conv2DTranspose применяется для увеличения пространственных размеров изображения или карты признаков. Его часто называют слоем деконволюции, хотя математически он выполняет именно транспонированную свертку, а не обратную операцию. Слой принимает на вход четырехмерный тензор формы (batch, height, width, channels) и возвращает тензор с увеличенными высотой и шириной. Первым параметром передается число фильтров (целое число), вторым - размер ядра свертки (кортеж из двух чисел), третьим - шаг свертки strides, который определяет коэффициент увеличения. Также можно указать тип отступов padding (значения 'valid' или 'same') и функцию активации activation.

Синтаксис

tf.keras.layers.Conv2DTranspose(
	filters,
	kernel_size,
	strides=(1, 1),
	padding='valid',
	output_padding=None,
	data_format=None,
	dilation_rate=(1, 1),
	activation=None,
	use_bias=True,
	kernel_initializer='glorot_uniform',
	bias_initializer='zeros'
)

Пример

Давайте создадим слой Conv2DTranspose с четырьмя фильтрами, ядром 3 на 3 и шагом 2. Подадим на вход тензор формы (1, 4, 4, 1) и посмотрим на форму выходного тензора:

import tensorflow as tf

layer = tf.keras.layers.Conv2DTranspose(
	filters=4,
	kernel_size=(3, 3),
	strides=(2, 2),
	padding='same'
)

t = tf.constant([[[[1.0], [2.0], [3.0], [4.0]],
				  [[5.0], [6.0], [7.0], [8.0]],
				  [[9.0], [10.0], [11.0], [12.0]],
				  [[13.0], [14.0], [15.0], [16.0]]]])

res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 8, 8, 4)

Пример

Давайте создадим слой с отступами 'valid' и шагом 3, чтобы увидеть, как меняется размер выходного тензора:

import tensorflow as tf

layer = tf.keras.layers.Conv2DTranspose(
	filters=2,
	kernel_size=(3, 3),
	strides=(3, 3),
	padding='valid'
)

t = tf.constant([[[[1.0], [2.0], [3.0]],
				  [[4.0], [5.0], [6.0]],
				  [[7.0], [8.0], [9.0]]]])

res = layer(t)
print(res.shape)

Результат выполнения кода:

(1, 11, 11, 2)

Пример

Давайте применим слой Conv2DTranspose с функцией активации relu и выведем значения первого канала:

<+python+> import tensorflow as tf layer = tf.keras.layers.Conv2DTranspose( filters=1, kernel_size=(2, 2), strides=(2, 2), padding='same', activation='relu' ) t = tf.constant([[[[1.0], [2.0]], [[3.0], [4.0]]]]) res = layer(t) print(res[0, :, :, 0]) <-python+>

Результат выполнения кода:

tf.Tensor(
[[0.		 0.		 0.		 0.		]
 [0.		 0.7928426  1.1888263  0.		]
 [0.		 1.5856853  1.981669   0.		]
 [0.		 0.		 0.		 0.		]], shape=(4, 4), dtype=float32)

Смотрите также

класс Conv2D,
который выполняет двумерную свертку
класс UpSampling2D,
который увеличивает размеры изображения простым повторением
класс ZeroPadding2D,
который добавляет нулевые отступы по краям
класс Conv1D,
который выполняет одномерную свертку