YOLOv5系列(三十六) 解读YOLOv5中插值，上采样，Upsample，UpsamplingBilinear2D，UpsamplingNearest2D(详尽)

已于 2025-04-25 09:12:56 修改
阅读量1.1k 收藏 17
点赞数 23
CC 4.0 BY-SA版权
分类专栏： 人工智能（机器学习-深度学习-目标检测） 文章标签： YOLO 人工智能 深度学习
于 2023-12-03 19:51:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44302770/article/details/134769325

1. 插值上采样方式

1. 1 最近邻插值(Nearest neighbor interpolation)

在这里插入图片描述

>>> input = torch.arange(1, 5, dtype=torch.float32
了解本专栏 订阅专栏 解锁全文
YOLOv5系列(二十七) 本文(2万字) | YOLOv5插值 | | Upsample | UpsamplingBilinear2D | UpsamplingNearest2D |
专注于人工智能学习，总结
12-28 1025
人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程。
《人工智能专栏》必读150篇 | 阅读推荐 & 专栏目录 & Python与PyTorch | 机器与深度学习 | 目标检测 | YOLOv5及改进 | YOLOv8及改进 | 关键知识点 | 工具
专注于人工智能学习，总结
12-28 2084
人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程。6. Python与PyTorch。5. YOLOv8及其改进。2. 深度学习与目标检测。4. YOLOv5改进。
pytorch torch.nn 实现上采样——nn.Upsample
爱CV
02-23 4746
原帖 1）Upsample CLASS torch.nn.Upsample(size=None, scale_factor=None, mode='nearest', align_corners=None) 上采样一个给定的多通道的1D (temporal,如向量数据), 2D (spatial，如jpg、png等图像数据) or 3D (volumetric，如点云数据)数据 假设输入数据的格式为minibatch x channels x [optional depth] x [option..
零基础也可以探索 PyTorch 中的上采样与下采样技术
CDBmax的博客
01-08 2350
这篇博客深入探讨了 PyTorch 深度学习框架中的几个关键的图像上采样和下采样子模块，包括, 和。每个模块的用法、用途、关键技巧和注意事项都进行了详细的说明。和分别用于图像的超分辨率提升和降采样处理，而Upsample提供了多种上采样方法，包括最近邻和双线性插值等。和则专注于 2D 图像的最近邻和双线性上采样。
小白学Pytorch系列--Torch.nn API Vision Layers(15)
发呆的比目鱼的博客
04-01 1619
小白学Pytorch系列--Torch.nn API Vision Layers(15)
PyTorch学习笔记(10)——上采样和PixelShuffle
热门推荐
g11d111的博客
09-27 12万+
去年曾经使用过FCN（全卷积神经网络）及其派生Unet，再加上在爱奇艺的时候做过一些超分辨率重建的内容，其中用到了毕业于帝国理工的华人博士Shi Wenzhe（在Twitter任职）发表的PixelShuffle《Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional...
《人工智能专栏》必读150篇 | 专栏介绍 & 专栏目录 & Python与PyTorch | 机器与深度学习 | 目标检测 | YOLOv5及改进 | YOLOv8及改进 | 关键知识点 | 工具
专注于人工智能学习，总结
12-25 1175
《人工智能专栏》专栏介绍 & 专栏目录 & Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
【图像超分】论文复现：新手入门必备！Pytorch实现SRGAN！手把手详细教程！代码注释详尽！可用于训练自己的数据集！实时验证模型性能！绘制PSNR曲线图！附训练好的各放大倍数的模型权重文件！
最新发布
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
04-15 6102
【图像超分】论文精读：SRResNet/SRGAN【图像超分】论文复现：万字长文！Pytorch实现SRResNet代码修改无报错！踩坑全记录！适合各种深度学习新手！帮助你少走弯路！附修改后的代码和PSNR最优的模型权重文件！请配合上述论文精读文章使用，效果更佳！与原论文描述不一样的实现部分，也即可以修改的部分数据集使用：论文中是ImageNet随机选35000张图像，本文是VOC2012数据集16700张图像。数据集预处理：裁剪大小不同，论文是96×96，本文是88×88。
keras中实现简单的反卷积
huangshaoyin的博客
07-11 1万+
我这里将反卷积分为两个操作，一个是UpSampling2D()，用上采样将原始图片扩大，然后用Conv2D()这个函数进行卷积操作，就可以完成简单的反卷积：UpSampling2D()：keras中文文档点击打开链接keras.layers.convolutional.UpSampling2D(size=(2, 2), data_format=None)进入keras的与源码查看,我的源码地址为D...
PyTorch学习之上采样层（VISION LAYERS）和PixelShuffle
mingo_敏
01-01 4612
1 PixelShuffle pixelshuffle算法的实现流程如下图，其实现的功能是：将一个H × W的低分辨率输入图像（Low Resolution），通过Sub-pixel操作将其变为rH x rW的高分辨率图像（High Resolution）。 通过卷积先得到r2r^2r2个通道的特征图（特征图大小和输入低分辨率图像一致），然后通过周期筛选（periodic shuffing）的方...
图像处理常用插值方法总结
小熊不去实验室
05-07 1万+
常用的插值方法                                                                                                                                                         1、最邻近元法 　　这是最简单的一种插值方法，不需要计算，在待求
上采样 介绍 + Bilinear pytorch代码解析
鹿鹿的博客
05-26 1万+
上采样 上采样，任何可以让你的图像变成更高分辨率的技术。 最简单的方式是重采样和插值：将输入图片input image进行rescale到一个想要的尺寸，而且计算每个点的像素点，使用如双线性插值bilinear等插值方法对其余点进行插值。 Unpooling 在CNN中常用的来表示max pooling的逆操作。因为max pooling不可逆，因此使用近似的方式来反转得到max poolin...
记录一下pytorch上采样操作的几种简单方法（暂存，后续待补充）
weixin_45643547的博客
06-10 1万+
最近要用到上采样操作，记录下几种基本的上采样操作
【pytorch】ConvTranspose2d的计算公式
计算机研究生
11-02 1万+
感谢来源：https://zhuanlan.zhihu.com/p/39240159 class torch.nn.ConvTranspose2d(in_channels, out_channels, kernel_size, stride=1, padding=0, output_...
keras.layers.UpSampling2D与tf.image.resize_nearest_neighbor
shuijinghua的博客
07-24 2962
参考https://www.bookstack.cn/read/keras-docs-zh/sources-layers-convolutional.md keras.layers.UpSampling2D(size=(2, 2), data_format=None) 2D输入的上采样层 沿着数据的行和列分别重复size[0],size[1]次 参数: size: 整数,或...
matlab 信号与系统（一）—— 上采样（Upsampling）和下采样（Downsampling）
05-01 2万+
我们使用因子 p=2p=2，对一维信号 xx 进行上采样（一般为插入 0），则采样后的信号的长度为：(len(x) - 1) * (p-1) + len(x) == len(x)*p - p + 1x = 1:5; p = 2; y = zeros(length(x)*p - p + 1, 1); y(1:p:length(x)*p) = x;降采样则是以一定间隔的对原始信号进行切片（slice）：
pytorch1.0,1.0.1-- onnx --tensorRT5.0.2.6的upsample_nearest2d BUG
The space of Shining
03-25 3443
最近英伟达发布了一个开源项目，https://github.com/NVIDIA/retinanet-examples，查看源码我们发现在RetinaNet/model.py 中将将pytorch的pth模型转化为onnx时，代码中有这样一段代码： import torch.onnx.symbolic # Override Upsample's ONNX expo...
Pytorch上下采样函数--interpolate
zhaowangbo的博客
05-07 5万+
最近用到了上采样下采样操作，pytorch中使用interpolate可以很轻松的完成 def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None): r""" 根据给定 size 或 scale_factor，上采样或下采样输入数据input. 当...
yolov5中，上采样Upsample采用和什么方法？Upsample和转置卷积是什么关系？
07-11
在YOLOv5中，上采样（Upsample）操作使用的是双线性插值（Bilinear Interpolation）方法。它将输入特征图的尺寸增大，通过填充空白像素来实现上采样。这种方法可以保持图像的平滑性和连续性。 转置卷积（Transposed...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小酒馆燃着灯

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值