可以对用于目标检测的现代复杂卷积神经网络进行逆向工程来获取原始图像训练数据吗？谢谢。
我确实尝试在网上搜索我的问题，但答案并没有完全回答我的问题
是的，当然。当您添加不同的过滤技术（如平均池化、最大池化）时，图像的空间维度将明显减小，直到设置相同的填充。这种技术称为“下采样”。因此，要获取或保留原始大小，可以使用不同的“上采样”技术。这些是一些常见的上采样技术： 1。最近邻：这是一种简单的上采样技术。行和列中的相关或通用数据被复制到它们附近，直到满足原始大小。
2。 Unpooling：此技术反转了下采样过程中使用的所有技术。它正在取消我们之前应用的池化层。它不能保证完全相同的像素，但可以获得近似的分辨率。
3.转置卷积：所以你知道，卷积层与池化层相乘，图像失去了维度。转置卷积的作用是转置常规卷积运算（也称为反卷积）期间发生的情况。它执行与常规卷积相反的操作，允许网络学习增加特征图的分辨率。
如果您需要更多信息，我建议您仔细阅读。 CNN 中的下采样和上采样