反卷積**置卷積）後生成的影象，放大後往往會出現棋盤效應，在深色部分尤為明顯，如下圖所示：
總結了幾種常用的解決方案，如下所示：
1.修改反卷積形式：
（1）使用能被stride整除的kernel size，如kernel size = 4, stride = 2
（2）堆疊反卷積減輕重疊（效果一般）
（3）網路末尾使用1x1的反卷積，可以稍微抑制棋盤效應
（4）調整卷積核權重
2.修改上取樣形式：
使用插值方法代替反卷積進行上取樣，如最鄰近插值和雙線性插值。
3.通過損失函式修正輸出：
在損失函式中加入total variation loss等損失函式，平滑輸出的影象，可以一定程度上抑制棋盤效應，但是相應的代價是影象的邊緣地帶會略微有些模糊。
反卷積與棋盤效應
來自 google brain 的 augustus odena 等人的文章 deconvolution and checkerboard artifacts 的部分內容 1。影象生成網路的上取樣部分通常用反卷積網路，不合理的卷積核大小和步長會使反卷積操作產生棋盤效應 checkerboard ar...
反卷積的棋盤格效應
反卷積只能恢復出原訊號的shape,而並不能恢復value,若想要恢復出value還需要learn的過程 從3 3 6 6 對於stride 2,先將小解析度的feature map每乙個畫素中間插入stride 1個0值.然後進行正常的卷積操作 預設的卷積stride為1 得到卷積後的結果,再裁剪...
常見的反爬手段與解決方法
headers中的user agent欄位反爬 解決 隨機生成user agent pip install fake useragent from fake useragent import useragent ua useragent for i in range 10 隨機生成各種瀏覽器的ua ...