pytorch圖片分割原理

自從transformer應用到cv領域以后，對圖片的分割需求便越加重了，但是圖像分割說起來容易，實際操作起來還是有很多地方不懂（主要還是code能力太弱）。

我們知道，對張量的處理一般又兩種，一種是view/reshape這樣的，先將數(shù)據(jù)按行展開，再按照指定形狀排列數(shù)據(jù)；另一種是permute/transpose這種，是把數(shù)據(jù)按照維度進行變化，也就是把數(shù)據(jù)排列的先后順序轉換一下（后面具體介紹）。所以分割圖片就用到了兩者的結合

實驗

原圖：

1：我們先看直接reshape的結果：將原圖片切割為8份

完全沒法看好吧！

原因就是上面說的，reshape是把整張圖片按行（這里是按照通道數(shù)3，實際上也確實應該把通道數(shù)調到最后，按照通道展開，原因后面介紹）展開。

2：我們看一下正確的做法

可以看到分割的很完美！

接下來解釋一下原因

1：通道數(shù)必須放到最后一個維度：首先，我們知道再張量數(shù)據(jù)是連續(xù)的情況下，其數(shù)據(jù)是按行展開排序的，也就是按照張量最后一個維度展開排序，所以，對于一個三通道的RGB圖像（3，H, W)它本來是按照寬度展開的，但這樣在分割的時候就存在問題了，因為，分割一張圖片，應該是三個通道一起分割，故，我們第一步應該把通道數(shù)調到最后一個維度（這里因為是用cv2打開的圖片，通道數(shù)已經在最后一維 ，所以不用再單獨轉換，但如果需要轉換的話，注意，不可以用reshape或者view，只能用permute/或者transpose）

2：寬和高的分割必須先在自己的維度分割，即對于一組（B，C，H, W）的圖片，在把C轉換到最后一維后為（B,H,W,C）,分割（此時用reshape）應該先按照（B，H/H分割size，H分割size，W/W分割size，W分割size，C）展開，然后再用permute，或者tanspose轉化為（B，H/H分割size，W/W分割size，H分割size，W分割size，C），最后，再用contiguous（）.view轉化為（B，（H/H分割size）*（W/W分割size），H分割size，W分割size，C），解釋如下：

張量的維度，實際上表述數(shù)據(jù)的方向和排列順序，越靠后的維度越先排列，所以，對于(B, H W, C)，如果只是進行reshape或者view的話，他始終是會先把寬W排完之后再排高，所以，為了要把圖片分成一份一份的，那么就必須讓寬和高交替出現(xiàn)，也就是要改變數(shù)據(jù)的排列順序，這正是permute和transpose的作用，它們相當于在保持現(xiàn)有數(shù)據(jù)在內存中順序的基礎上，改變數(shù)據(jù)的排列順序，這里（B，H/H分割size，H分割size，W/W分割size，W分割size，C）H/H分割size，H分割size都代表高；W/W分割size，W分割size都代表寬，也就是（B，高，高，寬，寬，C），將H分割size和W/W分割size轉換以后則為（B，高，寬，高，寬,C )

總結

以上為個人經驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論