深度学习基础:什么是上采样和下采样?

在目标检测、语义分割以及卷积神经网络(CNN)中,经常会看到两个概念:上采样(Upsampling)和下采样(Downsampling)。

简单来说:

下采样:减小特征图的尺寸

上采样:增大特征图的尺寸

例如,一张大小为 640×640 的图像经过多次下采样后:

而上采样则相反:

1. 什么是下采样?

下采样(Downsampling)就是降低图像或者特征图的空间分辨率。

例如:

640×640 → 320×320

宽和高都变成原来的 1/2,像素数量则变成原来的 1/4。

在卷积神经网络中,下采样主要有几个作用:

1.减少特征图尺寸,降低计算量;

2.扩大感受野;

3.提取更加高级的语义特征;

4.降低模型后续网络层的计算和显存开销。

常见的下采样方法

(1)步长卷积

例如使用 stride=2 的卷积:

import torch.nn as nn

conv = nn.Conv2d(

in_channels=3,

out_channels=32,

kernel_size=3,

stride=2,

padding=1

)

输入:

640×640

经过卷积后,特征图大致变为:

320×320

(2)池化

例如最大池化:

pool = nn.MaxPool2d(

kernel_size=2,

stride=2

)

同样可以实现:

640×640 → 320×320

2. 什么是上采样?

上采样(Upsampling)与下采样相反,就是增大图像或者特征图的空间尺寸。

例如:

80×80 → 160×160

需要注意的是,上采样并不是凭空恢复已经丢失的原始信息,而是通过插值、可学习参数等方式,将低分辨率特征映射到更高的空间分辨率。

常见的上采样方法

(1)最近邻插值

upsample = nn.Upsample(

scale_factor=2,

mode="nearest"

)

例如:

80×80 → 160×160

(2)双线性插值

upsample = nn.Upsample(

scale_factor=2,

mode="bilinear",

align_corners=False

)

双线性插值会根据周围像素计算新的像素值,因此通常比最近邻插值更加平滑。

(3)转置卷积

deconv = nn.ConvTranspose2d(

in_channels=256,

out_channels=128,

kernel_size=2,

stride=2

)

转置卷积中的参数可以通过训练学习,因此也经常用于分割网络的解码器。

相关推荐
哈尔滨张谦蛋9 小时前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
chh56320 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
汤姆宝库1 天前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习
tellmewhoisi1 天前
深度学习0:数学知识:(L1正则化和L2正则化)
人工智能·深度学习
AI小怪兽1 天前
你的视觉基础模型会说“植物语“吗?面向目标检测的视觉基础模型植物语法
人工智能·深度学习·机器学习
罗西的思考2 天前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
tellmewhoisi2 天前
深度学习0:数学知识:(雅可比矩阵)
人工智能·深度学习·矩阵
谙弆悕博士2 天前
从“预测下一个词”到“预测世界下一状态”:世界模型是不是下一个AGI叙事?
人工智能·gpt·深度学习·神经网络·agi·jepa·genie 4
咕泡科技2 天前
关于机器学习,如何通俗理解全连接层(fully connected layer)?
人工智能·深度学习·机器学习