torch.nn.functional.grid_sample(input, grid, mode='bilinear', padding_mode='zeros', align_corners=None)
input: (N, C, H_in, W_in)
grid: (N, H_out, W_out, 2)
output:(N, C, H_out, W_out)
这里的 2 是固定的,表示grid对应input 中pixel的位置(x, y)两个维度。这里一般会将x和y的取值范围归一化到(-1,-1) 到 (1,1)。(-1, -1)表示input 左上角, (1,1)表示input 右下角。
对于超出这个范围的坐标,函数将会根据参数padding_mode的设定进行不同的处理。
- padding_mode='zeros':对于越界的位置在网格中采用pixel value=0进行填充。
- padding_mode='border':对于越界的位置在网格中采用边界的pixel value进行填充。
- padding_mode='reflection':对于越界的位置在网格中采用关于边界的对称值进行填充。
grid-input-output 对应关系如下:
随机 crop 多个patch:
#x: input #[2, 3, 1024, 1024] #target: crop size #128 #scale_range: rangdom step scale #[0.125, 0.25] #num_crops:number of crop #8 def random_crop(x, target, scale_range, num_crops=1): B = x.size(0) * num_crops flip = torch.round(torch.rand(B, 1, 1, 1)) * 2 - 1.0 unit_grid_x = torch.linspace(-1.0, 1.0, target)[np.newaxis, np.newaxis, :, np.newaxis].repeat(B, target, 1, 1) unit_grid_y = unit_grid_x.transpose(1, 2) unit_grid = torch.cat([unit_grid_x * flip, unit_grid_y], dim=3) x = x.unsqueeze(1).expand(-1, num_crops, -1, -1, -1).flatten(0, 1) scale = torch.rand(B, 1, 1, 2) * (scale_range[1] - scale_range[0]) + scale_range[0] offse = (torch.rand(B, 1, 1, 2) * 2 - 1) * (1 - scale) sumpling_grid = unit_grid * scale + offse crop = F.grid_sample(x, sumpling_grid, align_corners=False) crop = crop.view(B // num_crops, num_crops, crop.size(1), crop.size(2), crop.size(3)) return crop #[2, 8, 3, 128, 128]
因为torch.linspace均匀采用,
unit_grid_x 是把x轴的(-1,1)平均分成target 份,unit_grid_y 同理。
此时unit_grid 的值左上角是(-1,-1),右下角是(1,1)
flip 表示是否进行翻转。
如果用此时的unit_grid进行crop,如下代码,得到的是整个input 图像,即x。
crop = F.grid_sample(x, unit_grid, align_corners=False)
unit_grid * scale 因为scale 属于(0,1),unit_grid中的值就会对应的缩小,缩小的倍数由scale决定。offset 设置上下左右移动。
执行如下代码,表示将左上角(-1,-1)*scale,右下角(1,1)*scale对应的input位置crop ,然后缩放到targe 大小,model 参数决定了resize 的方式。
crop = F.grid_sample(x, sumpling_grid, align_corners=False)
这里的crop并不是,直接在input 中的targe size 进行crop。其中有缩放的操作。