8

我正在 PyTorch 中实现基于 U-Net 的架构。在火车时间，我有大小256x256不会造成任何问题的补丁。但是在测试时，我有全高清图像 ( 1920x1080)。这会导致跳过连接期间出现问题。

下采样1920x10803 次给出240x135. 如果我再下采样一次，则120x68上采样时的分辨率将变为240x136. 现在，我无法连接这两个特征图。我该如何解决这个问题？

PS：我认为这是一个相当普遍的问题，但我没有得到任何解决方案，甚至在网络上的任何地方都没有提到这个问题。我错过了什么吗？

4

1 回答 1

1

在解码过程中经常涉及跳跃连接的分段网络中，这是一个非常常见的问题。网络通常（取决于实际架构）需要输入大小，其边长为最大步幅的整数倍（8、16、32 等）。

主要有两种方式：

  1. 将输入大小调整为最接近的可行大小。
  2. 将输入填充到下一个更大的可行大小。

我更喜欢（2），因为（1）会导致所有像素的像素级别发生微小变化，从而导致不必要的模糊。请注意，我们通常需要在这两种方法中恢复原始形状。

我最喜欢这个任务的代码片段（高度/宽度的对称填充）：

import torch
import torch.nn.functional as F

def pad_to(x, stride):
    h, w = x.shape[-2:]

    if h % stride > 0:
        new_h = h + stride - h % stride
    else:
        new_h = h
    if w % stride > 0:
        new_w = w + stride - w % stride
    else:
        new_w = w
    lh, uh = int((new_h-h) / 2), int(new_h-h) - int((new_h-h) / 2)
    lw, uw = int((new_w-w) / 2), int(new_w-w) - int((new_w-w) / 2)
    pads = (lw, uw, lh, uh)

    # zero-padding by default.
    # See others at https://pytorch.org/docs/stable/nn.functional.html#torch.nn.functional.pad
    out = F.pad(x, pads, "constant", 0)

    return out, pads

def unpad(x, pad):
    if pad[2]+pad[3] > 0:
        x = x[:,:,pad[2]:-pad[3],:]
    if pad[0]+pad[1] > 0:
        x = x[:,:,:,pad[0]:-pad[1]]
    return x

一个测试片段：

x = torch.zeros(4, 3, 1080, 1920) # Raw data
x_pad, pads = pad_to(x, 16) # Padded data, feed this to your network 
x_unpad = unpad(x_pad, pads) # Un-pad the network output to recover the original shape

print('Original: ', x.shape)
print('Padded: ', x_pad.shape)
print('Recovered: ', x_unpad.shape)

输出：

Original:  torch.Size([4, 3, 1080, 1920])
Padded:  torch.Size([4, 3, 1088, 1920])
Recovered:  torch.Size([4, 3, 1080, 1920])

参考：https ://github.com/seoungwugoh/STM/blob/905f11492a6692dd0d0fa395881a8ec09b211a36/helpers.py#L33

于 2021-02-03T15:35:36.013 回答