首页 > 其他分享 >小波下采样,即插即用

小波下采样,即插即用

时间:2024-10-31 08:50:07浏览次数:5  
标签:采样 __ ch nn self 小波 wt 即插即用

论文:Haar wavelet downsampling: A simple but effective downsampling module

GitHub地址 :https://github.com/apple1986/HWD

论文地址:                                        https://www.sciencedirect.com/science/article/pii/S0031320323005174  

这篇论文利用频域的小波变化来进行降采样,图像经过小波变化会得到1个低频特征A,和3个高频特征H、V、D。常规的下采样操作普遍面临的信息损失问题,应用Haar小波变换来降低特征图的空间分辨率,可以更完整的保留图像的信息。

```import torchimport torch.nn as nnfrom pytorch_wavelets 
import DWTForward
class Down_wt(nn.Module):    
def __init__(self, in_ch, out_ch):        
super(Down_wt, self).__init__()        
self.wt = DWTForward(J=1, mode='zero', wave='haar')        
self.conv_bn_relu = nn.Sequential(            
nn.Conv2d(in_ch * 4, out_ch, kernel_size=1, stride=1),            
nn.BatchNorm2d(out_ch),            
nn.ReLU(inplace=True),        
)    
def forward(self, x):        
yL, yH = self.wt(x)        
y_HL = yH[0][:, :, 0, ::]        
y_LH = yH[0][:, :, 1, ::]        
y_HH = yH[0][:, :, 2, ::]        
x = torch.cat([yL, y_HL, y_LH, y_HH], dim=1)        
x = self.conv_bn_relu(x)        
return x
if __name__ == '__main__':    
block = Down_wt(64, 64)  # 输入通道数,输出通道数    
input = torch.rand(3, 64, 64, 64)  
# 输入tensor形状B C H W    
output = block(input)    
print(output.size())
```

代码非常简单,只有几行,我们非常简单的将其应用到我们的模型中,用于替换常规的下采样模块,像是卷积下采样、最大池化下采样、平均池化下采样等。

标签:采样,__,ch,nn,self,小波,wt,即插即用
From: https://blog.csdn.net/Angelina_Jolie/article/details/143380357

相关文章

  • 点云学习笔记2——使用VoxelGrid滤波器进行点云降采样(c++)
    #include<iostream>#include<pcl/point_cloud.h>#include<pcl/io/pcd_io.h>#include<pcl/point_types.h>#include<pcl/filters/voxel_grid.h>#include<pcl/common/common_headers.h>#include<pcl/io/pcd_io.h>#inclu......
  • 点云学习笔记4——点云滤波降采样后进行4PCS粗配准【四点一致集配准算法(4-Point Congr
    #include<iostream>#include<pcl/point_cloud.h>#include<pcl/point_types.h>#include<pcl/filters/voxel_grid.h>#include<pcl/common/common_headers.h>#include<pcl/io/pcd_io.h>#include<pcl/visualization/cloud_vi......
  • 重采样方法(交叉验证法)——基于glm与LOOCV法(Weekly数据集分析)
    Chapter5:Exercise7读取数据集Weekly数据集通常指的是在统计、数据分析或机器学习领域中,一个以周为单位进行记录的数据集合。以下是对Weekly数据集的一个详细介绍:一、数据来源与背景Weekly数据集可能来源于多个领域,如金融、经济、市场营销等,这些领域通常需要按周跟踪......
  • 提高ADC采样精度:C语言中的滤波与取平均值技巧
    在嵌入式系统中,ADC(模数转换器)是常用的组件,用于将模拟信号转换为数字信号。然而,由于噪声和其他干扰因素,ADC采样值可能会波动,导致读数不稳定。为了提高ADC读数的准确性,常用的方法是进行滤波和取平均值。本文将详细介绍如何在C语言中实现ADC采样值的滤波和取平均值,并提供详细的代......
  • 实验干货|电流型霍尔传感器采样设计03-信号调理
    在前两篇博客中,将霍尔输出的电流信号转换成了有正有负的电压信号,但是DSP需要采集0~3V的电压信号,因此需要对信号缩放并抬升至全部为正的信号。常见的方法是,通过比例放大(缩小)电路对信号进行放缩,通过加法电路抬升基准电平。这里分为两步,首先设计基准电平。设计基准电平DSP的A......
  • 过采样与欠采样技术原理图解:基于二维数据的常见方法效果对比
    在现实场景中,收集一个每个类别样本数量完全相同的数据集是十分困难的。实际数据往往是不平衡的,这对于分类模型的训练可能会造成问题。当模型在这样一个不平衡数据集上训练时,由于某个类别的样本数量远多于其他类别,模型通常会更擅长预测样本量较大的类别,而在预测小类别时表现不......
  • YoloV8改进策略:卷积篇|大感受野的小波卷积
    论文介绍论文背景:近年来,人们尝试增大卷积神经网络(CNNs)的核大小以模仿视觉转换器(ViTs)自注意力模块的全局感受野,但这种方法很快便达到了上限并饱和。论文提出了一种新的解决方案,即利用小波变换(WT)获得非常大的感受野。WTConv层:论文提出了一种新层,称为WTConv,该层使用WT来有效地......
  • 采样率从44100 Hz转化为采样率是 16000 Hz的音频的方法
    您好,您遇到的错误信息是:Audiofileformatdoesnotmatchexpectedformat.Expected:1channels,2-bytesamples,16000HzGot:1channels,2-bytesamples,44100Hz解释:预期格式:声道数:1(单声道)采样位深:2字节(16位)采样率:16000Hz实际格式(您的音频文件):声道数:1(......
  • 什么是深度学习中的采样(sample)
    在深度学习中,采样(Sample)主要是指从数据集中选取的单个数据点或一组数据点。采样过程涵盖了随机采样、分层采样、下采样和过采样等多种方法。其中,随机采样是最基础的形式,涉及到从数据集中随机选取数据点。过采样和下采样则常用于解决类别不平衡问题。具体到深度学习任务,例如在训练......
  • 双通道16bit 10G 采样,带宽2.5 GHz
    今天,Spectrum很高兴地宣布,我们的下一代超快AWG卡的发布。M5i.63xx系列来了!TodaySpectrumInstrumentationispleasedtoannouncethereleaseofournextgenerationofultrafastAWGcards.TheM5i.63xxseriesishere!双通道和单通道型号现已推出四款新板卡,输出速率......