El muestreo ascendente se refiere a cualquier técnica que, bueno, muestrea su imagen a una resolución más alta.
La forma más fácil es usar remuestreo e interpolación . Esto es tomar una imagen de entrada, redimensionarla al tamaño deseado y luego calcular los valores de píxeles en cada punto utilizando un método de interpolación como la interpolación bilineal.
La descompresión se usa comúnmente en el contexto de redes neuronales convolucionales para denotar la agrupación máxima inversa. Citando de este documento: Unpooling: en el convnet, la operación de agrupación máxima no es invertible, sin embargo, podemos obtener un inverso aproximado registrando las ubicaciones de los máximos dentro de cada región de agrupación en un conjunto de variables de conmutación. En la descontaminación, la operación de desenrollado utiliza estos interruptores para colocar las reconstrucciones desde la capa superior en ubicaciones apropiadas, preservando la estructura del estímulo.
- ¿Se está separando la ciencia de datos / aprendizaje automático de la informática tradicional?
- ¿Cómo debo interpretar la probabilidad bayesiana?
- ¿Qué son los espacios latentes en el aprendizaje de representación?
- ¿Cuál es el mejor software para implementar algoritmos de aprendizaje automático / minería de datos a gran escala?
- ¿Cuáles son tus artículos favoritos de NIPS 2016?
Desconvolución en el contexto de redes neuronales convolucionales a menudo se usa para denotar una especie de convolución inversa, que de manera importante y confusa no es en realidad una deconvolución matemática adecuada . En contraste con el desbobinado, con el uso de ‘deconvolución’ se puede aprender el muestreo ascendente de una imagen. A menudo se usa para aumentar el muestreo de la salida de una conexión a la resolución de imagen original. Escribí otra respuesta sobre este tema aquí. La deconvolución también se conoce más apropiadamente como convolución con zancadas fraccionales, o convolución de transposición.
Luego hay una deconvolución adecuada que revierte el efecto de una convolución (Deconvolución – Wikipedia). No creo que la gente realmente use esto en el contexto de redes neuronales convolucionales.
No sé mucho sobre la codificación dispersa convolucional, pero me parece que al mirar algunos documentos, esos enfoques utilizan el antiguo tipo de ‘deconvolución’, es decir, transvolución de convolución, para permitirle pasar de una representación de imagen dispersa obtenida usando convnets, de vuelta a la resolución de imagen original. (Feliz de ser corregido en esto).
