语义分割中的上采样

Question

我正在尝试实现一篇关于语义分割的论文，我对如何更新由我的分割网络生成的预测图以匹配输入图像大小感到困惑。

例如，我使用Resnet101的一个变体作为分割网络(如本文所用)。使用这种网络结构，大小为321x321的输入(本文再次使用)生成了大小为41x41xC的最终预测映射(C是类的数量)。因为我必须做像素级的预测，所以我需要将其提升到321x321xC。Pytorch提供了将输出大小升级到输出大小的函数，该输出大小是预测映射大小的倍数。所以，我不能在这里直接使用那个方法。

因为这一步涉及到每个语义分割网络，所以我确信应该有一种标准的方法来实现这一点。

我希望你能给我指点。提前谢谢。

Answer 1

也许你能尝试的最简单的事情是：

• 高样本8次。然后你的41x41输入变成328x328。
• 执行中心裁剪以获得所需的形状321x321 (例如，类似于输入3：，3：:-4，:-4)