基于Pytorch的3D卷积

3D卷积核相比于2D卷积核引入了时间尺度，并且在宽、高、深度（不是单张图像的通道数，这个深度可以理解为帧间）方向上进行滑窗。

在pytorch中，输入数据的维数可以表示为（N,C,D,H,W），其中：N为batch_size，C为输入的通道数，D为深度（D这个维度上含有时序信息），H和W分别是输入图像的高和宽。3维卷积核的维数可以表示为（Cout,C,FD,FH,FW），其中：Cout为输出通道数，（FD,FH,FW）为3维滤波器的尺寸。特别的FD为深度方向的滤波器尺寸，它所关联的是时序信息，FD越大表示在一次滤波过程中考虑到的时序信息越长；FD越小表示在一次滤波过程中考虑到的时序信息越短。输出数据的维数为（N,Cout,Dout,Hout,Wout）

nn.Conv3D(in_channels，out_channels，kernel_size=(FD,FH,FW)，stride，padding)

import torch
import torch.nn as nnx=torch.randn(5,3,10,224,224)
conv = nn.Conv3d(3, 64, kernel_size=(4,3,3), stride=1, padding=1)
print(conv.weight.size())#(64,3,4,3,3)
out=conv(x)
print(out.size())#(5,64,9,224,224)

基于Pytorch的3D卷积相关推荐

【3D图像分类】基于Pytorch的3D立体图像分类2--数据增强篇
增强篇主要是对基础篇的一个补充,补充的内要主要是包括以下两个大的方面数据方面网络模型方面其中,数据方面主要是增加训练过程中的数据增强方式:网络模型方面引入残差结构的resent.mobile n ...
基于Pytorch的动态卷积复现
论文的题目为<Dynamic Convolution: Attention over Convolution Kernels> paper的地址https://arxiv.org/pdf/ ...
【实战篇】基于Pytorch的3D立体图像分类--基础篇
在一般的图像数据的采集场景中,得到的多是二维图像,所以大多数深度学习网络的雏形都是基于二维图像展开的工作. 但是,在某些场景下,比如医学影像CT数据,监控场景连续拍摄的视频和自动驾驶使用到的激光点云等 ...
NVIDIA开源了基于PyTorch的3D深度学习的综合库
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散编辑:Sophia 计算机视觉联盟报道 | 公众号 CVLianMeng 转载于 :https://techx ...
基于pytorch简单实现稀疏3d卷积（SECOND）
卷积计算是深度学习模型的常见算子,在3D项目中,比如点云分割,由于点云数据是稀疏的,使用常规的卷积计算,将会加大卷积计算时间,不利于模型推理加速.由此SECOND网络提出了稀疏卷积的概念. 稀疏卷积的 ...
FaceBook开源PyTorch3D：基于PyTorch的新3D计算机视觉库
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! PyTorch 进军三维计算机视觉了,现在,你的神经网络可以更轻松地和 3D 数据 ...
NNDL 实验六卷积神经网络（1）卷积边缘检测之传统边缘检测算子和基于pytorch的Canny边缘检测
文章目录卷积神经网络(Convolutional Neural Network,CNN) 5.1 卷积 5.1.1 二维卷积运算 5.1.2 二维卷积算子 5.1.3 二维卷积的参数量和计算量 5. ...
基于Pytorch再次解析使用块的现代卷积神经网络（VGG）
个人简介:CSDN百万访问量博主,普普通通男大学生,深度学习算法.医学图像处理专攻,偶尔也搞全栈开发,没事就写文章,you feel me? 博客地址:lixiang.blog.csdn.net 基于 ...
基于Pytorch再次解读NiN现代卷积神经网络和批量归一化
个人简介:CSDN百万访问量博主,普普通通男大学生,深度学习算法.医学图像处理专攻,偶尔也搞全栈开发,没事就写文章,you feel me? 博客地址:lixiang.blog.csdn.net 基于 ...

基于Pytorch的3D卷积

基于Pytorch的3D卷积相关推荐

最新文章

热门文章