图像平均池化 pytorch库中的平均池化

一. 池化简介

    平均池化：将图片按照固定大小网格分割，网格内的像素值取网格内所有像素的平均值。

    池化：使用均等大小的网格将图片分割，并求网格内代表值的过程。

    池化是卷积神经网络（convolutional neural network）中非常重要的处理方式，能够有效地降低图像的维度。

    平均池化定义：

    

---

二. 将输入图像用4*4网格做平均池化

import cv2

import numpy as np

# average pooling

def average_pooling(img, G=4):

    out = img.copy()

    H, W, C = img.shape

    Nh = int(H / G)

    Nw = int(W / G)

    for y in range(Nh):

        for x in range(Nw):

            for c in range(C):

                out[G*y:G*(y+1), G*x:G*(x+1), c] = np.mean(out[G*y:G*(y+1), G*x:G*(x+1), c]).astype(np.int)

 

    return out

# Read image

img = cv2.imread("../paojie.jpg")

# Average Pooling

out = average_pooling(img)

# Save result

cv2.imwrite("out.jpg", out)

cv2.imshow("result", out)

cv2.waitKey(0)

cv2.destroyAllWindows()

---

三. 输出结果

4*4平均池化结果

原图

---

四. 深度学习中的平均池化操作，以pytorch库为例

import cv2

import numpy as np

import torch

import torch.nn as nn

img = cv2.imread('../paojie.jpg',0)  #读入灰度图像

img = np.array(img,dtype='float32')

img = torch.from_numpy(img.reshape(1,1,img.shape[0],img.shape[1]))  # 将灰度图像转换为tensor

avgPool = nn.AvgPool2d(4)  #4*4的窗口，步长为4的平均池化

img = avgPool(img)

img = torch.squeeze(img)  #去掉1的维度

img = img.numpy().astype('uint8')  #转换格式，准备输出

cv2.imwrite("out.jpg", img)

cv2.imshow("result", img)

cv2.waitKey(0)

cv2.destroyAllWindows()

---

五. pytorch中的平均池化输出结果( AvgPool2d() 函数 )

AvgPool2d后结果

可以看到，pytorch中 AvgPool2d 函数，平均池化后降低了图像的维度。

---

六. 参考内容

https://www.jianshu.com/p/4a673069bc03