Learning to See in the Dark

　　　在做图像低曝光增强时，Learning to See in the Dark这篇文章能够达到较好的效果，如下图，网络能够很好的展示文章的逻辑，文章的其他部分比较好理解，有不理解之处可以做探讨．

　　　　在网络中，为了节省上采样时间，作者用了pixel shuffle功能，　depth_to_space函数，函数的意思比较抽象，难于理解，下面通过简单程序表明，网络最后的feature　map(1*4*4*12)，是如何变形为rgb输出(1*8*8*3)的，tensorflow的格式为NHWC.

               

               python程序如下：

　　　　

import tensorflow as tf

x = tf.range(192) #1*4*4*12
x = tf.reshape(x, [1, 4, 4, 12])

y = tf.depth_to_space(x, 2)

with tf.Session() as sess:
    z = sess.run(x)
    print z
    z = sess.run(y)
    print z

 

            输入depth_to_space的feature map为，其中每一列数字，为feature map的一个channel上的所有元素，　行主序：

　　　

[[[[  0   1   2   3   4   5   6   7   8   9  10  11]
   [ 12  13  14  15  16  17  18  19  20  21  22  23]
   [ 24  25  26  27  28  29  30  31  32  33  34  35]
   [ 36  37  38  39  40  41  42  43  44  45  46  47]]

  [[ 48  49  50  51  52  53  54  55  56  57  58  59]
   [ 60  61  62  63  64  65  66  67  68  69  70  71]
   [ 72  73  74  75  76  77  78  79  80  81  82  83]
   [ 84  85  86  87  88  89  90  91  92  93  94  95]]

  [[ 96  97  98  99 100 101 102 103 104 105 106 107]
   [108 109 110 111 112 113 114 115 116 117 118 119]
   [120 121 122 123 124 125 126 127 128 129 130 131]
   [132 133 134 135 136 137 138 139 140 141 142 143]]

  [[144 145 146 147 148 149 150 151 152 153 154 155]
   [156 157 158 159 160 161 162 163 164 165 166 167]
   [168 169 170 171 172 173 174 175 176 177 178 179]
   [180 181 182 183 184 185 186 187 188 189 190 191]]]]

　　输出feature map (RGB)为，可以对照着数字序号理解一下：

    

[[[[  0   1   2]
   [  3   4   5]
   [ 12  13  14]
   [ 15  16  17]
   [ 24  25  26]
   [ 27  28  29]
   [ 36  37  38]
   [ 39  40  41]]

  [[  6   7   8]
   [  9  10  11]
   [ 18  19  20]
   [ 21  22  23]
   [ 30  31  32]
   [ 33  34  35]
   [ 42  43  44]
   [ 45  46  47]]

  [[ 48  49  50]
   [ 51  52  53]
   [ 60  61  62]
   [ 63  64  65]
   [ 72  73  74]
   [ 75  76  77]
   [ 84  85  86]
   [ 87  88  89]]

  [[ 54  55  56]
   [ 57  58  59]
   [ 66  67  68]
   [ 69  70  71]
   [ 78  79  80]
   [ 81  82  83]
   [ 90  91  92]
   [ 93  94  95]]

  [[ 96  97  98]
   [ 99 100 101]
   [108 109 110]
   [111 112 113]
   [120 121 122]
   [123 124 125]
   [132 133 134]
   [135 136 137]]

  [[102 103 104]
   [105 106 107]
   [114 115 116]
   [117 118 119]
   [126 127 128]
   [129 130 131]
   [138 139 140]
   [141 142 143]]

  [[144 145 146]
   [147 148 149]
   [156 157 158]
   [159 160 161]
   [168 169 170]
   [171 172 173]
   [180 181 182]
   [183 184 185]]

  [[150 151 152]
   [153 154 155]
   [162 163 164]
   [165 166 167]
   [174 175 176]
   [177 178 179]
   [186 187 188]
   [189 190 191]]]]

 

(1) https://www.tensorflow.org/api_docs/python/tf/nn/depth_to_space