我正在使用 Caffe,并且使用我的反卷积层,如下所示:
layer {
name: "name"
type: "Deconvolution"
bottom: "bottom
top: "top"
param {
lr_mult: 0
decay_mult: 0
}
convolution_param {
num_output: 256
bias_term: false
pad: 0
kernel_size: 2
group: 256
stride: 2
weight_filler {
type: "bilinear"
}
}
}
完成训练并验证我的网络后,我收到了奇怪的棋盘文物。我找不到任何有关如何在 Caffe 中解决此问题的信息,因此我在这里询问是否有人有解决方案?
最佳答案
这个问题并不是 Caffe 特有的,它是由于反卷积而发生的。 http://distill.pub/2016/deconv-checkerboard/提供了非常好的分析和解决方案有几种简单的方法可以防止这个问题:
- 使用 1 步。
- 减少网络中反卷积的使用,例如仅在最后一层。
- 在应用反卷积(本文中提到的调整大小卷积)之前对特征图进行上采样。
关于deep-learning - Caffe Checkerboard 文物,如何解决这个问题?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44455593/