> For the complete documentation index, see [llms.txt](https://hujian.gitbook.io/deep-learning/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://hujian.gitbook.io/deep-learning/juan-ji-wang-luo/juan-ji-wang-luo-jia-gou/deconvolutional-networks.md).

# Deconvolutional Networks

> [Deconvolutional Networks](https://www.matthewzeiler.com/mattzeiler/deconvolutionalnetworks.pdf)

除了边缘基元之外，构建健壮的低级和中级图像表示是一个长期的目标。许多现有的特征检测器在空间上汇集边缘信息，这破坏了边缘相交、平行和对称等线索。我们提出了一个学习框架，其中捕捉这些中级线索的特征自发地从图像数据中显现出来。我们的方法是基于sparsity约束下的图像卷积分解，并且是完全无监督的。通过建立这种分解的层次结构，我们可以学习到丰富的特征集，这些特征集对于图像的分析和合成来说都是健壮的图像表示。