逆亚像素卷积操作复现

2018_ECCV_Workshops上面一篇文章

Fast and Efficient Image Quality Enhancement via Desubpixel Convolutional Neural Networks

文章中逆亚像素卷积通过tensorflow的一个函数实现，tf.space_to_depth(X, r)。

本人论文用pytorch框架写的，所以就复现了一下，逆亚像素卷积操作

逆亚像素卷积

 

def de_subpix(y):       #输入 torch的tensor
    (b, c, h, w) = y.shape
    # print(b, c, h, w)
    h1 = int(h / 2)
    w1 = int(w / 2)
    d1 = torch.zeros((b, c, h1, w1))
    d2 = torch.zeros((b, c, h1, w1))
    d3 = torch.zeros((b, c, h1, w1))
    d4 = torch.zeros((b, c, h1, w1))
    # print(y.shape)
    for i in range(0, h1, 2):
        for j in range(0, w1, 2):
            d1[:, :, i, j] = y[:, :, 2 * i, 2 * j]
            d2[:, :, i, j] = y[:, :, 2 * i + 1, 2 * j]
            d3[:, :, i, j] = y[:, :, 2 * i, 2 * j + 1]
            d4[:, :, i, j] = y[:, :, 2 * i + 1, 2 * j + 1]
            # print()
            # print(i,j)
    out = torch.cat([d1, d2, d3, d4], 1)
    # print(out.shape)
    return out       #输出 torch的tensor ，经过了重新排列

通过这个函数可以实现数据图片尺寸减小，但是不会丢失数据