目录

下采样

上采样

注意

---

下采样

原理

对图像进行1/n下采样，原图像分辨率为H*W，下采样分辨率变为(H/n)*(W/n）

作用

• 压缩Feature Map
• 降维减少提取特征
• 降低模型计算量
• 避免模型过拟合

本质

过滤无关信息，保留关键信息

方法

主要通过是池化层或卷积层进行下采样

• 采用stride为2的池化层，如Max-pooling和Average-pooling
• 采用stride为2的卷积层，下采样是信息损失过程，用stride为2的可学习卷积层来代替不可学习的卷积层可以得到更好的效果，但会增加模型复杂度和计算量

上采样

原理

对图像进行n上采样，原图像分辨率为H*W，下采样分辨率变为(nH)*(nW）

作用

• 放大Feature Map
• 升维增加图像分辨

本质

反向提取特征，还原关键信息

方法

• 双线性插值
• 转置卷积

转置卷积是卷积的一种，可使图片恢复成卷积前的尺寸，但是对应像素点的数值改变。

工作流程：

1. 在输入特征图元素间填充s-1行、列0，s表示转置卷积的步距（步距不等于步长）
2. 在输入特征图四周填充k-p-1行、列0，k=kernel_size，p=padding
3. 卷积核参数上下、左右翻转
4. 做正常卷积运算（填充0，步距1）

注意

上采样不是下采样的逆操作