小波下采样，即插即用

最新推荐文章于 2025-01-30 20:33:57 发布

原创

最新推荐文章于 2025-01-30 20:33:57 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #计算机视觉

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),