反池化 Unpooling 的几种实现方式
答案要点
- Max Unpooling:池化时记录最大值索引,反池化按索引放回、其余补零,如 SegNet、PyTorch MaxUnpool2d
- 不记索引的反池化:固定位置放值其余补零,或复制填满窗口(等价最近邻)
- 插值上采样:最近邻、双线性等无参方法,常接卷积细化
- 可学习上采样:转置卷积、Pixel Shuffle,通过参数学习恢复细节
- 取舍:索引法保留位置信息且省内存,可学习方法表达力强但可能有棋盘格伪影
易错点
- 以为反池化能恢复池化前的完整信息,实际非最大值已丢失
- Max Unpooling 使用的索引与对应池化层不配对
- 把转置卷积称作反卷积,并误以为是卷积的数学逆运算
- 转置卷积核尺寸与步长不整除,产生棋盘格伪影
面试官常见追问
- SegNet 和 U-Net 的上采样有什么区别?
- 转置卷积为什么会产生棋盘格伪影?
- Max Unpooling 之后为什么还要接卷积?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。