0%

上采样和PixelShuffle+计算公式

发表于 更新于 分类于 阅读次数：
本文字数： 378 阅读时长 ≈ 1 分钟

2019年11月10日 下午9:54

PyTorch学习笔记(10)——上采样和PixelShuffle

  1. 上采样，在深度学习框架中，可以简单的理解为任何可以让你的图像变成更高分辨率的技术
  2. Deconvolution(反卷积)在CNN中常用于表示一种反向卷积 ，但它并不是一个完全符合数学规定的反卷积操作。
    1. PixelShuffle
  3. 与Unpooling不同，使用反卷积来对图像进行上采样是可以习得的
    1. Upsample

Pytorch卷积和反卷积的计算公式

  1. torch.nn.Conv2d
    • 如果输入大小为W * W，那么输出大小: (W_−_kernel_size + 2*padding )/stride+1
  2. torch.nn.ConvTranspose2d
    • 如果输入大小为W * W，那么输出大小: （W - 1） * stride + output_padding - 2 * padding + kernel_size