目录
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：
- 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）
- 在输入特征图四周填充k-p-1行、列0，k=kernel_size，p=padding
- 卷积核参数上下、左右翻转
- 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