卷积-反卷积对给出的维度略有不同答案

【问题标题】：Convolution-Deconvolution pair gives slightly different dimensionality卷积-反卷积对给出的维度略有不同
【发布时间】：2017-07-03 19:25:40
【问题描述】：

我正在使用一个卷积层，然后是一个反卷积层，如下所示：

tf.nn.conv2d(num_outputs=1, kernel_size=[21, 11], stride=[2, 2], padding="SAME", rate=1)

tf.nn.conv2d_transpose(num_outputs=1, kernel_size=[21, 11], stride=[2, 2], padding="SAME")

我的想法是使初始图像更小，然后通过反卷积将其恢复到原始大小。我实际上正在使用 tf.slim 函数，但参数是上面的。

看输入和输出的时候，我有一个小区别：

Input shape :  (16, 161, 511, 1)
Output shape:  (16, 162, 512, 1)

我认为这可能与我的步幅大小或内核大小有关。我尝试了多个值，但似乎没有一个可以重现原始尺寸。

【问题讨论】：

在备份图像时，必须使用整数倍数，因此无法准确选择输出图像的大小。
对我来说解决这个问题的唯一方法是将输出减少到输入大小，损失不大，但我希望有另一种方法。

标签： tensorflow convolution deconvolution

【解决方案1】：

一种流行的方法是填充输入图像，使卷积和反卷积后的输出与填充后的输入具有相同的大小。然后裁剪输出以适应没有填充的原始输入。

【讨论】：