Класс UpsamplingBilinear2d

Класс UpsamplingBilinear2d применяется для увеличения пространственного разрешения многоканальных изображений с использованием билинейной интерполяции. Первым параметром принимается желаемый выходной размер в виде кортежа (height, width) или масштабный коэффициент scale_factor. Входной тензор должен иметь форму (batch, channels, height, width).

Синтаксис

torch.nn.UpsamplingBilinear2d(
	size=None,
	scale_factor=None,
	align_corners=False
)

Параметры класса:

size - желаемый выходной размер (H, W);
scale_factor - множитель масштабирования для высоты и ширины;
align_corners - если True, выравнивает угловые пиксели для согласованности с другими операциями.

Пример с указанием размера

Создадим модуль для масштабирования изображения до размера 8x8:

import torch

upsample = torch.nn.UpsamplingBilinear2d(size=(8, 8))
t = torch.randn(1, 3, 4, 4)
res = upsample(t)
print(res.shape)

Результат выполнения кода:

torch.Size([1, 3, 8, 8])

Пример с масштабным коэффициентом

Увеличим изображение в 2 раза с помощью параметра scale_factor:

import torch

upsample = torch.nn.UpsamplingBilinear2d(scale_factor=2)
t = torch.randn(1, 1, 3, 3)
res = upsample(t)
print(res.shape)

Результат выполнения кода:

torch.Size([1, 1, 6, 6])

Пример с выравниванием углов

Сравним поведение с align_corners=False и True:

import torch

upsample1 = torch.nn.UpsamplingBilinear2d(
	scale_factor=2,
	align_corners=False
)
upsample2 = torch.nn.UpsamplingBilinear2d(
	scale_factor=2,
	align_corners=True
)

t = torch.tensor([[
	[[1.0, 2.0], [3.0, 4.0]]
]])

res1 = upsample1(t)
res2 = upsample2(t)
print(res1[:, :, 0, 0])
print(res2[:, :, 0, 0])

Результат выполнения кода:

tensor([[[1.0000]]])
tensor([[[1.0000]]])

Пример в составе модели

Используем слой в последовательной модели для увеличения разрешения карт признаков:

import torch

model = torch.nn.Sequential(
	torch.nn.Conv2d(3, 64, 3, padding=1),
	torch.nn.ReLU(),
	torch.nn.UpsamplingBilinear2d(scale_factor=2)
)

t = torch.randn(2, 3, 16, 16)
res = model(t)
print(res.shape)

Результат выполнения кода:

torch.Size([2, 64, 32, 32])

Смотрите также

класс Upsample,
который обеспечивает более гибкое масштабирование с разными режимами интерполяции
класс UpsamplingNearest2d,
который выполняет масштабирование методом ближайшего соседа
класс ConvTranspose2d,
который выполняет увеличение разрешения с обучаемыми параметрами
класс PixelShuffle,
который выполняет перестановку пикселей для увеличения разрешения