卷积神经网络专题之上采样与下采样初步理论

缩小图像

  或称为下采样(subsampled)或降采样(downsampled),主要目的有两个:1、使得图像符合显示区域的大小;2、生成对应图像的缩略图。


放大图像

  或称为上采样(upsampling)或图像插值(interpolating),主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。

对图像的缩放操作将不可避免地影响图像质量。然而,确实有一些缩放方法能够增加图像的信息,从而使得缩放后的图像质量超过原图质量的。


下采样就是池化

  采样层是使用 pooling的相关技术来实现的,目的就是用来降低特征的维度并保留有效信息,一定程度上避免过拟合。但是池化的目的不仅仅是这些,他的目的是保持旋转、平移、伸缩不变形等。采样有最大值采样,平均值采样,求和区域采样和随机区域采样等。池化也是这样的,比如最大值池化,平均值池化,随机池化,求和区域池化等


下采样原理

  对于一幅图像I尺寸为MN,对其进行s倍下采样,即得到(M/s)(N/s)尺寸的得分辨率图像,当然s应该是M和N的公约数才行,如果考虑的是矩阵形式的图像,就是把原始图像s*s窗口内的图像变成一个像素,这个像素点的值就是窗口内所有像素的均值


上采样原理

  图像放大几乎都是采用内插值方法,即在原有图像像素的基础上在像素点之间采用合适的插值算法插入新的元素。

你可能感兴趣的:(#,卷积神经网络专题,卷积,上采样,下采样)