F.interpolate函数

F.interpolate 是 PyTorch 中用于对张量（通常是图像数据）进行插值操作的函数，常用于调整张量的大小，例如改变图像的分辨率。它支持多种插值方法，包括最近邻插值、双线性插值和三次插值等。

语法

torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)

参数

1. input:

   • 输入的张量，形状通常为 (N, C, H, W) 或 (N, C, D, H, W)（批次、通道数、高度、宽度 或深度、高度、宽度）。

2. size:

   • 调整后张量的目标大小，可以是整数元组，例如 (height, width)。
   • 优先级高于 scale_factor。

3. scale_factor:

   • 用于调整大小的比例因子，可以是浮点数或元组（对于高度和宽度分别指定比例）。
   • 如果指定了 size，此参数会被忽略。

4. mode:

   • 指定插值方法，常用选项：
     • 'nearest'：最近邻插值。
     • 'linear'：线性插值（仅适用于 3D 输入）。
     • 'bilinear'：双线性插值（常用于 2D 图像）。
     • 'bicubic'：双三次插值（适用于 2D 图像）。
     • 'trilinear'：三线性插值（适用于 3D 输入）。
     • 'area'：区域插值，用于下采样。

5. align_corners:

   • 仅在 mode 为 'linear', 'bilinear', 'bicubic' 或 'trilinear' 时使用。
   • 如果为 True，则输入和输出的角像素对齐。

返回值

调整大小后的张量。

示例代码

1. 将图像从 640x640 调整为 832x832

import torch
import torch.nn.functional as F

# 创建一个随机图像张量，形状为 (batch_size=1, channels=3, height=640, width=640)
img = torch.randn(1, 3, 640, 640)

# 使用 F.interpolate 调整分辨率为 832x832
resized_img = F.interpolate(img, size=(832, 832), mode='bilinear', align_corners=False)

print("Original shape:", img.shape)
print("Resized shape:", resized_img.shape)

2. 使用比例调整图像大小

# 使用 scale_factor=1.3 对图像尺寸放大 1.3 倍
scaled_img = F.interpolate(img, scale_factor=1.3, mode='bilinear', align_corners=False)

print("Scaled shape:", scaled_img.shape)

3. 下采样为一半大小

# 使用 scale_factor=0.5 对图像尺寸缩小 50%
downsampled_img = F.interpolate(img, scale_factor=0.5, mode='area')

print("Downsampled shape:", downsampled_img.shape)

注意事项

1. align_corners 的影响
   当 align_corners=True 时，插值会在输入和输出张量的角像素之间进行对齐；否则，计算比例时不对齐角像素。通常推荐 align_corners=False，避免形变或偏移。

2. 选择插值方法

   • 双线性插值（bilinear）和双三次插值（bicubic）通常适用于图像重采样，生成更平滑的结果。
   • 最近邻插值（nearest）速度快，但结果不够平滑。

3. 处理多通道输入
   F.interpolate 可直接处理多通道（如 RGB、IR 数据）的张量，不需要额外操作。