【图像处理】bilinear中的align=True or False

最新推荐文章于 2024-09-02 09:59:47 发布
最新推荐文章于 2024-09-02 09:59:47 发布
阅读量7.5k 收藏 23
点赞数 23
分类专栏： 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shwan_ma/article/details/108830991
版权

关于blinear中 api里面的align=True和False，其实就是角点是否对齐的选项。

  1. 在opencv中，blinear默认调用的是align=False
  2. 在pytorch和tensorflow中， 可以通过api去切换align

先放一张图直观的理解一下：
在这里插入图片描述
可以明显的看到align_corners=True的时候，角点是对齐状态。而align_cornels=False的时候，角点并没有对齐。

用代码去描述上述的区别为：

# align_corners = False
# x_ori is the coordinate in original image
# x_up is the coordinate in the upsampled image
x_ori = (x_up + 0.5) / fa
最低0.47元/天 解锁文章
Shwan_Ma
关注
专栏目录
IA-SEG项目中DIAL-Filters（IAPM模块+LGF模块）使用解读
a486259的博客
09-02 4732
CNN-PP模块为DIP模块优化图像提供filter参数，其本质是一个简洁的卷积神经网络，其输入部分为低分辨的原始图，其输出为DIP模块的优化参数。在IA-SEG中，CNN-PP模块的参数（预测4个filter参数，278K）比在IA-YOLO（预测15个filter参数，165k）要多。注：IA-SEG与IA-YOLO均为同一作者实现DIF模块全程Differentiable Image Filters，其由几个具有可调超参数的可微滤波器组成，包括曝光度、伽玛度、对比度和锐度。
双线性插值align_corners为True和False的区别
qq_43337901的博客
12-08 969
容易起误导的是边缘位置的处理。看到网上有说align_corners=True时，size为3的图像上采样2倍得到size是5，但博主用F.interpolate()，设置scale_factor=2，align_corners=True，input_size=3，得到的size并不是5，而是正常的6，尚不清楚原因。可以看到的是，尽管resize后的图像第一行和原图的第一行并不在同一行，如果按双线性插值计算，应该还要考虑纵向上的变化，但align_corners=False时，却忽略了这个方向的变化。
深度学习图像处理：双线性CNN (Bilinear cnn)- 细粒度图像分类模型
qq_16236875的博客
03-07 1万+
定义:双线性CNN 包括两个特征提取器，其输出经过外积相乘，池化后获得图像描述子 优点: 以平移不变的方式，对局部的对级(pairwise)特征交互建模； 能够泛化多种顺序无关的特征描述子，如Fisher向量，VLAD（局部聚合向量，把图像表示为向量），O2P(使用二阶池化方法描述特) 。在实验中CNN 作为特征提取器的双线模型。 双线性形式简化了梯度计算，能够对两个网络在...
【mmseg配置解析-2】 align_corners=False
最新发布
dejahu的博客
09-02 556
插值是图像处理中的一种操作，常用于图像的上采样或下采样。简单来说，就是根据已知像素点的值来估计未知像素点的值。常见的插值方法有最近邻插值、双线性插值和双三次插值等。更加关注角点的对齐，在某些需要精确位置对齐的任务中可能有用。更加关注整个图像的比例关系，避免因对齐角点导致的插值失真，通常更适合需要保持空间一致性的任务，如语义分割。
align_corners=True
Gussss的博客
02-28 2441
对应。 # x_ori is the coordinate in original image #原始图像坐标 x_up is the coordinate in the upsampled image：上采样图的坐标
pytorch 上采样 upsample 时align_corners 设为true 还是false
热门推荐
One Way的博客
10-01 1万+
背景 今天遇到了一个问题, 在写上采样 upsample的时候到底 align_corners 设为true 还是false talk is cheap 按照pytorch doc 中的示例: >>> input = torch.arange(1, 5, dtype=torch.float32).view(1, 1, 2, 2) >>> input tensor...
align_corner=True/False 的解释
RessCris的博客
05-08 254
align_corner=False/True
图像处理之图像分割算法：基于深度学习的分割(如U-Net)：基于深度学习的全景分割
kkchenjj的博客
07-27 1052
在基于深度学习的图像分割任务中，选择合适的数据集至关重要。描述：Pascal VOC 2012 是一个广泛使用的数据集，包含20个类别，用于物体检测和语义分割任务。图像数量：大约有10,582张图像，分为训练、验证和测试集。Cityscapes描述：Cityscapes 数据集专注于城市街景的分割，包含5000张高质量标注的图像，以及20000张粗略标注的图像。图像数量：训练集有2975张，验证集有500张，测试集有1525张。COCO描述。
【图像处理】经营您的第一个U-Net以进行图像分割
gongdiwudu的专栏
07-13 5858
AI厨师们，今天您将学习如何准备计算机视觉中最重要的食谱之一：U-Net。本文将叙述：1语义与实例分割，2 图像分割中还使用了其他损失，例如Jaccard损失，焦点损失；3 如果2D图像分割对您来说太容易了，您可以查看3D图像分割，因为模型要大得多，因此要困难得多。
【nnUNetv2进阶】十四、nnUNetv2 魔改网络-小试牛刀-引入ASPP
AI爱好者的博客，分享计算机领域相关知识
07-09 498
本文介绍了在nnunet模型中添加deeplabv3中的aspp模块的方法，可以作为一种改进方案。
【上采样问题】双线性插值的几何中心点重合与align_corners
Hali_Botebie的博客
06-09 3651
我们默认以红色表示原图，蓝色表示 bilinear 上采样两倍后的图片。 首先介绍 align_corners=False，首先观察绿色框内的像素，我们会发现它们严格遵守了 bilinear 的定义。 而对于角上的四个点，其像素值保持了原图的值。 边上的点则根据角点的值，进行了 bilinear 插值。 所以，我们从全局来看，align_corners=False 内部和边缘处采用了比较不同的规则。 align_corners=True 里，像素值位于网格上： 会发现，3∗33*33∗3的图像上采两倍
【算法思考】Pytorch Align Corners 用法总结
S_Kross的博客
01-29 1603
Pytorch的许多接口都需要提供align_corners=True/False。为了更好的使用pytorch提供的接口，有必要了解这个参数所表示的具体含义。下面我们会通过图形化的方式展示。
align_corner 参数作用概述
MumuziD的博客
12-30 4312
在看[TORCH.NN.FUNCTIONAL.INTERPOLATE](https://pytorch.org/docs/stable/generated/torch.nn.functional.interpolate.html) 官方文档时，有一个参数align_corners 参数理解不清楚。官方解释如下： 搜索资料后，通俗的解释如下： 默认值align_corners=False，下/上采样时会超出原本的边角像素值范围（边界点也为预测值，不为原像素值。） align_corners=True,下/
align_corners 的意义
gaocui883的博客
09-08 3024
上采样层 (upsample layer)，是语义分割等密集输出 (dense prediction) 任务的必备组件。一般默认选择双线性插值 (bilinear) 或者最近邻 (nearest) 的方式。这两种方式在 pytorch 的 interpolate 函数中均有实现。关于它们如何实现，已有好多博客解读。但是 bilinear 情况下，会伴随一个选项 align_corners，默认为 False。关于这个选项的含义，pytorch 1.3.1 官网是如下解释的： 这个解释看起来令人似懂非懂。.
一文看懂网络上采样层中的 align_corners
我爱计算机视觉
10-21 2215
点击我爱计算机视觉标星，更快获取CVML新技术本文来自于知乎专栏语义分割探索之路，经作者立夏之光授权转载，未经允许请勿二次转载。https://zhuanlan.zhihu.com/p/...
cv2 interpolate插值-align_corners
qq_36998053的博客
03-07 5820
torch interpolate torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None, recompute_scale_factor=None) input (Tensor)：输入数据 size (int or Tuple[int] or Tuple[int, int] or Tuple[int, int, int])：输出数据的尺寸
U-Net代码解读
DARLINGB的博客
08-16 529
U-Net
userwarning: default upsampling behavior when mode=bilinear is changed to align_corners=false since 0.4.0. please specify align_corners=true if the old behavior is desired. see the documentation of nn.upsample for details.
06-28
警告：自.4.版本以来，当mode=bilinear时，默认的上采样行为已更改为align_corners=false。如果需要旧的行为，请指定align_corners=true。有关详细信息，请参阅nn.upsample的文档。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值