46 语义分割 Sematic Aug.

语义分割就是把图片中每个像素分类到对应的类别中。
发展过程：图片分类一般用聚类方法，将图片进行分类；目标检测是对图片的物体的位置和类别进行识别；语意分割就是对每个像素进行分类。
应用：背景虚化；路面分割。

实例分割 Instance Aug. ：把每个物体的进行标号

47 转置卷积

背景问题：卷积要么保持高宽不变，要么减半高宽，所以需要转置卷积来增大输入高宽。

为什么叫转置？
普通的卷积 Y = X ∗ W Y = X * W Y=X∗W在实际计算的时候，都是对W构造一个V，变为矩阵乘法 Y ′ = X V ′ Y' = XV' Y′=XV′。那么转置卷积就等价于 Y ′ = V T X Y' = V^T X Y′=VTX，同样超参数的卷积核转置卷积的作用其实是互逆的。

转置卷积是一种卷积

• 将输入和核进行了重新排列，做上采样
• 转置卷积核卷积可以看成是一个逆变换
  例子：
  转置卷积的结果 = 填充后进行卷积
  
  例子2：对于填充为p，步幅为1的情况
  
  例子3：填充为p，步幅为s
  

与反卷积的关系
反卷积是卷积的逆运算，不等于转置卷积，但在深度学习里面，反卷积神经网络就是用的转置卷积。

标签：week,分割,11a,填充,转置,语义,卷积,高宽
来源： https://blog.csdn.net/davidyang_980/article/details/122737848