在PyTorch中进行双线性采样:原理和代码详解

极市平台

共 3883字,需浏览 8分钟

 ·

2020-09-25 03:03

↑ 点击蓝字 关注极市平台

作者丨土豆@知乎
来源丨https://zhuanlan.zhihu.com/p/257958558
编辑丨极市平台

极市导读

 

本文记述了PyTorch中双线性插值和双线性采样操作的原理和代码,是一篇很清晰的笔记。>>加入极市CV技术交流群,走在计算机视觉的最前沿


在pytorch中的双线性采样(Bilinear Sample)

FesianXu 2020/09/16 at UESTC

前言

双线性插值与双线性采样是在图像插值和采样过程中常用的操作,在pytorch中对应的函数是torch.nn.functional.grid_sample,本文对该操作的原理和代码例程进行笔记。如有谬误,请联系指正,转载请联系作者并注明出处,谢谢。
E-mail: FesianXu@gmail.com
QQ: 973926198
GitHub: https://github.com/FesianXu
知乎专栏: https://zhuanlan.zhihu.com/c_1265262560611299328

双线性插值原理

插值(interpolation)在数学上指的是 一种估计方法,其根据已知的离散数据点去构造新的数据点。以曲线插值为例子,如Fig 1.1所示的曲线线性插值为例,其中红色数据点是已知的数据点,而蓝色线是根据相邻的两个红色数据点进行线性插值估计出来的。
Fig 1.1 一个简单的曲线线性插值的例子
一维的曲线插值的原理可以推广到任意维度的数据形式上,比如我们常见的图像是一种二维数据,就可以进行二维插值,常见的插值方法如Fig 1.2所示。
Fig 1.2 常见的1D和2D数据插值方法
在本文中,我们主要讨论的是双线性采样,而双线性采样和双线性插值紧密相关,因此本章节主要介绍双线性插值。还是以2D图像插值为例子,如Fig 1.3所示,假设图片上给定了红色数据点的像素值,假设待求的绿色点,其中已知每个顶点像素坐标为:
而每个顶点的像素值表示为。通过简单的线性插值(按比例划分),我们可以求出蓝色数据点的估计值:
然后通过蓝色点,再一次进行线性插值,可以估计出绿色点的值:
因为该方法涉及到了两轮(注意不是两次,而是三次)的线性插值,因此称之为双线性插值(Bilinear Interpolation)。
Fig 1.3 给定了四个红色数据点(像素点)的值,通过双线性插值求中间的绿色数据点的值

双线性采样以及grid_sample

在深度学习框架pytorch中提供了一种称之为双线性采样(Bilinear Sample)的函数torch.nn.functional.grid_sample [1],该函数主要输入一个形状为input张量,输入一个形状为grid张量,输出一个形状为output张量。
其中batch批次,我们主要关注后面的维度的代表意义。输入的grid是一个大小的空间位置矩阵,其中每个元素都代表着一个二维空间坐标,该坐标指明了在input上采样的坐标,而输出张量的每个位置output[n,:,h,w]的值,取决于这个输入input和采样坐标的值(通过双线性插值形成)。通过这个函数,可以通过指定原图的不同坐标位置,实现图片的变形(deformation)等,在很多研究中有着广泛地应用[2]。
注意到这里的输出张量尺寸和输入张量尺寸是不一定一致的,因此涉及到了插值过程,而且输入的grid的每一个坐标都是归一化到了之间的,我们举一个简单的代码例子,明晰下细节。

import torch.nn.functional as F
import torch
inputv = torch.arange(4*4).view(1, 1, 4, 4).float()
print(inputv)
'''
输出尺寸为(1,1,4,4)
输出为:tensor([[[[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
[12., 13., 14., 15.]]]])
'''
# 生成grid,这个grid大小为(1,8,8,2),空间尺寸而言是原输入图片的两倍。
d = torch.linspace(-1,1, 8)
meshx, meshy = torch.meshgrid((d, d))
grid = torch.stack((meshy, meshx), 2)
grid = grid.unsqueeze(0) # add batch dim

# 进行双线性采样,其中指定align_corners=True保证了输出的整个图片的角边像素与原输入的一致性。
output = F.grid_sample(inputv, grid,align_corners=True)
print(output)
'''
tensor([[[[ 0.0000, 0.4286, 0.8571, 1.2857, 1.7143, 2.1429, 2.5714,
3.0000],
[ 1.7143, 2.1429, 2.5714, 3.0000, 3.4286, 3.8571, 4.2857,
4.7143],
[ 3.4286, 3.8571, 4.2857, 4.7143, 5.1429, 5.5714, 6.0000,
6.4286],
[ 5.1429, 5.5714, 6.0000, 6.4286, 6.8571, 7.2857, 7.7143,
8.1429],
[ 6.8571, 7.2857, 7.7143, 8.1429, 8.5714, 9.0000, 9.4286,
9.8571],
[ 8.5714, 9.0000, 9.4286, 9.8571, 10.2857, 10.7143, 11.1429,
11.5714],
[10.2857, 10.7143, 11.1429, 11.5714, 12.0000, 12.4286, 12.8571,
13.2857],
[12.0000, 12.4286, 12.8571, 13.2857, 13.7143, 14.1429, 14.5714,
15.0000]]]])
'''

在这个过程中,我们生成的采样坐标网格grid很简单,单纯只是在x,y两个维度,都把均分为了8份。
我们分析下双线性采样后的每个像素的大小计算过程。因为每个输入坐标都是,而实际原输入的矩阵大小为,而且刚好是一个方阵,因此可以计算出从grid到实际坐标的映射为:
这个映射将归一化坐标映射到了实际的原图坐标,如果不是方阵,那么就必须对每个维度都计算一个映射方程。
我们暂时只考虑怎么计算其中某一个像素的值,暂时我们考虑grid坐标为的值。我们打印出grid[0,1,1,:],发现这个归一化坐标值为tensor([[-0.7143, -0.7143]]),那么通过反归一化映射,也就是式子(1)后,有实际图片坐标为,这个时候我们发现这个坐标不是整数,因此为了求出这个坐标的像素值,我们要通过之前谈到的双线性插值去估计。
首先求出每一行的插值结果,有,这个是在中插值的结果;有这个是在范围内插值的结果,然后再在中进行插值,有。这就是整个双线性采样的计算过程。
注意:这个输入input也可以是的5D输入,该输入考虑的是对视频进行处理。本文中只考虑了图片数据,不过原理是类似的,不再赘述。

Reference
[1]. https://pytorch.org/docs/stable/nn.functional.html#torch.nn.functional.grid_sample
[2]. https://blog.csdn.net/LoseInVain/article/details/108710063


推荐阅读


添加极市小助手微信(ID : cvmart2),备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳),即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群:每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~

△长按添加极市小助手

△长按关注极市平台,获取最新CV干货

觉得有用麻烦给个在看啦~  
浏览 180
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报