反卷积网络的棋盘格现象
摘要：
1 现象通过神经网络生成的图片，放大了看会有棋盘格的现象2 分析混叠现象造成的，反卷积时，到stride和ksize 不能整除时，就会有这种现象，二维图像的时候更显著。神经网络虽然能学习，可以抵消一部分现象，但是会造成这个模型不鲁棒。常见的有三种方法上采样，反卷积，nn插值，双线性插值。替换GAN网 阅读全文
posted @ 2020-03-16 19:21 cltt 阅读(746) 评论(0) 推荐(0) 编辑
图像的插值算法
摘要：
最近邻插值 这是一种简单的插值算法：不需要计算，在待求象素的四邻象素中，将距离待求象素最近的邻象素灰度赋给待求象素 设i+u, j+v(i, j为正整数， u, v为大于零小于1的小数，下同)为待求象素坐标，则待求象素灰度的值 f(i+u, j+v) 如下图所示： 如果(i+u, j+v)落在A区， 阅读全文
posted @ 2020-03-16 19:18 cltt 阅读(444) 评论(0) 推荐(0) 编辑
PyTorch中的padding（边缘填充）操作
摘要：
我们知道，在对图像执行卷积操作时，如果不对图像边缘进行填充，卷积核将无法到达图像边缘的像素（3*3取卷积4*4，则边缘无法到达），而且卷积前后图像的尺寸也会发生变化，这会造成许多麻烦。 因此现在各大深度学习框架的卷积层实现上基本都配备了padding操作，以保证图像输入输出前后的尺寸大小不变。例如， 阅读全文
posted @ 2020-03-16 18:58 cltt 阅读(4647) 评论(0) 推荐(0) 编辑
