UpSampling2D 와 Conv2DTranspose의 차이

  • U-net이나 Decoder의 경우 이미지의 크기를 역으로 키울 필요가 있다.
업 샘플링으로 14 -> 28로 변한것을 알수있다.
  • UpSampling2D는 케라스 기준 내부적으로 resize_images() 를 호출한다. 즉, 적은 해상도를 일부러 고해상도로 올리는것이다. 단순히 잡아 늘리는 역할으로 바로 Conv2D의 함수가 호출되어야 될 필요가 있음
  • Conv2DTranspose는 Convolution 연산이 들어가서 해상도를 키운다. 이 연산은 당연히 학습과정에서 필터가 학습이 된다.
  • 보통은 H, W가 줄어들고 Feature map갯수에 따라 차원이 늘기 때문에 익숙한 개념은 아니지만, 패딩을 적당히 섞으면 H, W가 늘어나는것도 당연히 가능하다.
좀더 자세한 부분은 아래 출처 참조.
https://towardsdatascience.com/types-of-convolutions-in-deep-learning-717013397f4d

17 thoughts on “UpSampling2D 와 Conv2DTranspose의 차이

  1. Good way of describing, and good article to take facts about my presentation focus, which i am going to deliver in academy.

    Feel free to visit my page: also g

  2. Pretty section of content. I just stumbled upon your weblog and
    in accession capital to assert that I get in fact enjoyed account
    your blog posts. Anyway I’ll be subscribing to your feeds and even I achievement g you access consistently fast.

댓글 남기기