class MeanShift(nn.Conv2d):
def __init__(self, rgb_range, rgb_mean, rgb_std, sign=-1):
super(MeanShift, self).__init__(3, 3, kernel_size=1)
std = torch.Tensor(rgb_std)
# 采用1×1卷积的形式进行标准化操作,首先建立一个三通道到三通道的恒等映射
self.weight.data = torch.eye(3).view(3, 3, 1, 1)
self.weight.data.div_(std.view(3, 1, 1, 1))
# 减去均值
self.bias.data = sign * rgb_range * torch.Tensor(rgb_mean)
# 与上边的除操作一起,将整体除以标准差(output=(w*x+b)/std)
self.bias.data.div_(std)
# self.requires_grad = False
self.weight.requires_grad = False
self.bias.requires_grad = False
这段代码完成了特征的标准化工作。我们自定义固定的卷积核与偏置进行操作,这里标准差与均值通常来源于预训练的VGG网络。另外,注意这个模块继承2d卷积层,并未定义forward操作,而是直接继承原始卷积层的forward操作。