溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
簡介
我們知道，在對圖像執行卷積操作時，如果不對圖像邊緣進行填充，卷積核將無法到達圖像邊緣的像素，而且卷積前后圖像的尺寸也會發生變化，這會造成許多麻煩。
因此現在各大深度學習框架的卷積層實現上基本都配備了padding操作，以保證圖像輸入輸出前后的尺寸大小不變。例如，若卷積核大小為3x3，那么就應該設定padding=1，即填充1層邊緣像素；若卷積核大小為7x7，那么就應該設定padding=3，填充3層邊緣像素；也就是padding大小一般設定為核大小的一半。在pytorch的卷積層定義中，默認的padding為零填充。
self.conv = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=7, padding=3)
padding的種類及其pytorch定義
padding，即邊緣填充，可以分為四類：零填充，常數填充，鏡像填充，重復填充。
1.零填充
對圖像或者張量的邊緣進行補零填充操作：
class ZeroPad2d(ConstantPad2d): # Pads the input tensor boundaries with zero. def __init__(self, padding): super(ZeroPad2d, self).__init__(padding, 0)
2.常數填充
定義一個常數來對圖像或者張量的邊緣進行填充，若該常數等于0則等價于零填充。
class ConstantPad2d(_ConstantPadNd): # Pads the input tensor boundaries with a constant value. def __init__(self, padding, value): super(ConstantPad2d, self).__init__(value) self.padding = _quadruple(padding)
3.鏡像填充
對圖像或者張量的邊緣進行鏡像對稱的填充，示例如下：
>>> m = nn.ReflectionPad2d(2) >>> input = torch.arange(9).reshape(1, 1, 3, 3) >>> input (0 ,0 ,.,.) = 0 1 2 3 4 5 6 7 8 [torch.FloatTensor of size (1,1,3,3)] >>> m(input) (0 ,0 ,.,.) = 8 7 6 7 8 7 6 5 4 3 4 5 4 3 2 1 0 1 2 1 0 5 4 3 4 5 4 3 8 7 6 7 8 7 6 5 4 3 4 5 4 3 2 1 0 1 2 1 0
class ReflectionPad2d(_ReflectionPadNd): # Pads the input tensor using the reflection of the input boundary. def __init__(self, padding): super(ReflectionPad2d, self).__init__() self.padding = _quadruple(padding)
4.重復填充
對圖像或者張量的邊緣進行重復填充，就是說直接用邊緣的像素值來填充。示例如下：
>>> m = nn.ReplicationPad2d(2) >>> input = torch.arange(9).reshape(1, 1, 3, 3) >>> input (0 ,0 ,.,.) = 0 1 2 3 4 5 6 7 8 [torch.FloatTensor of size (1,1,3,3)] >>> m(input) (0 ,0 ,.,.) = 0 0 0 1 2 2 2 0 0 0 1 2 2 2 0 0 0 1 2 2 2 3 3 3 4 5 5 5 6 6 6 7 8 8 8 6 6 6 7 8 8 8 6 6 6 7 8 8 8 [torch.FloatTensor of size (1,1,7,7)]
class ReplicationPad2d(_ReplicationPadNd): # Pads the input tensor using replication of the input boundary. def __init__(self, padding): super(ReplicationPad2d, self).__init__() self.padding = _quadruple(padding)
實際應用
在許多計算機視覺任務中，例如圖像分類，zero padding已經能夠滿足要求。但是不結合實際地亂用也是不行的。比方說，在圖像增強/圖像生成領域，zero padding可能會導致邊緣出現偽影，如下所示：
這時候，可以改用鏡像填充來代替零填充操作。我們定義一個新的padding層，然后把卷積層里的padding參數置為0.
具體寫法如下：
class DEMO(nn.Module): def __init__(self): super(DEMO, self).__init__() self.pad = nn.ReflectionPad2d(1) self.conv = nn.Conv2d(in_channels=3, out_channels=3, kernel_size=3, padding=0) def forward(self, x): x = self.pad(x) x = self.conv(x) return F.relu(x)
以低光照增強任務為例，最終對比效果如下圖。零填充會產生邊緣偽影，而鏡像填充很好地緩解了這一效應。
以上這篇PyTorch中的padding(邊緣填充)操作方式就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
