自定义卷积核——pytorch

自定义一些常见的滤波器卷积核，定义成类，可以在网络框架中直接调用

定义类，写入自定义卷积核，用于网络处理图片

高斯滤波器写入网络框架

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable
import numpy as np
import cv2
import matplotlib.pyplot as pltclass Gaussfilter(nn.Module):def __init__(self, channels=1, kernel_size=3, sigma=1.5):super(Gaussfilter, self).__init__()self.channels = channelsself.k_size = kernel_sizeself.sigma = sigmax_data, y_data = np.mgrid[-(self.k_size) // 2 + 1:(self.k_size) // 2 + 1, -(self.k_size) // 2 + 1:(self.k_size) // 2 + 1]x_ = torch.FloatTensor(x_data.astype(np.float32)).unsqueeze(0).unsqueeze(0)y_ = torch.FloatTensor(y_data.astype(np.float32)).unsqueeze(0).unsqueeze(0)g = torch.exp(-((x_ ** 2 + y_ ** 2) / torch.tensor(2.0 * self.sigma ** 2)))g = g / torch.sum(g)kernel = torch.FloatTensor(g)# kernel = np.repeat(kernel, self.channels, axis=0)self.weight = nn.Parameter(data=kernel, requires_grad=False)def __call__(self, x):  # 输入的X应该维度增加过.unsqueeze(0).unsqueeze(0)x = x.unsqueeze(0).unsqueeze(0)x = F.conv2d(x, self.weight, stride=1,  padding=1, groups=self.channels)return x

定义类，调用类测试自定义高斯滤波器卷积核，实现将图像高低频信息分离。方便网络单独处理单频信息。

"""
test
"""
input_x = plt.imread('F:/BGR_demo/monarch_gray.jpg')
# cv2.imshow("input_x", input_x)
input_x = Variable(torch.from_numpy(input_x.astype(np.float32)/255))
gaussian_conv = Gaussfilter(1, 3, 1.5)
out_x = gaussian_conv(input_x)
img_H = input_x - out_x
out_x = (out_x.squeeze(0).squeeze(0)*255).data.numpy().astype(np.uint8)
img_H = (img_H.squeeze(0).squeeze(0)*255).data.numpy().astype(np.uint8)
# cv2.imshow("out_x", out_x)
# cv2.waitKey(0)
cv2.imshow("img_H", img_H)
cv2.waitKey(0)

自定义卷积核——pytorch相关推荐

pytorch自定义卷积核权值参数
pytorch中构建卷积层一般使用nn.Conv2d方法,有些情况下我们需要自定义卷积核的权值weight,而nn.Conv2d中的卷积参数是不允许自定义的,此时可以使用torch.nn.functi ...
Opencv3 Robert算子 Sobel算子拉普拉斯算子自定义卷积核——实现渐进模糊
#include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace c ...
pytorch 自定义卷积核进行卷积--卷积核订制
镜像问题:tensorflow 卷积:设定特定卷积核动机: 有时候我们希望对神经网络得到的张量进行特定的卷积操作,如求梯度,求边缘等. 或者,有时我们希望把图像进行预处理操作后输入神经网络,而这个预 ...
PyTorch 自定义卷积核「数据」
在做一些模型分析的时候可能需要将卷积核内的参数定制化(eg:全为1),此时就没办法直接使用模型中定义好的卷积了,需要将其数据给修改下方能使用,但是其输入输出通道以及卷积核大小需要留用,在此就可以单独的 ...
卷积核权值初始化_CNN怎么自定义卷积核初始值？
诶呦,光热心了.问题没理解清楚.是卷积核初始化.不是网络初始化.卷积核初始化我也没做过.文档是这样写的. ParamAttr¶ class paddle.fluid.ParamAttr(name=No ...
PyTorch : torch.nn.xxx 和 torch.nn.functional.xxx
PyTorch : torch.nn.xxx 和 torch.nn.functional.xxx 在写 PyTorch 代码时,我们会发现在 torch.nn.xxx 和 torch.nn.funct ...
tensorflow 卷积：设定特定卷积核
镜像问题:pytorch 自定义卷积核进行卷积--卷积核订制有时想用tensorflow的conv2d的卷积操作,实现一些特定的滤波操作,如patch求和.计算梯度等,这时可以通过设计特定的卷积核来 ...
[实现] 利用 Seq2Seq 预测句子后续字词（Pytorch）2
最近有个任务:利用 RNN 进行句子补全,即给定一个不完整的句子,预测其后续的字词. 本文使用了 Seq2Seq 模型,输入为 5 个中文字词,输出为 1 个中文字词. 目录关于RNN 语料预处理 ...
[实现] 利用 Seq2Seq 预测句子后续字词（Pytorch）
最近有个任务:利用 RNN 进行句子补全,即给定一个不完整的句子,预测其后续的字词. 本文使用了 Seq2Seq 模型,输入为5个中文字词,输出为一个中文字词. 目录关于RNN 语料预处理搭建数据 ...

自定义卷积核——pytorch

自定义卷积核——pytorch

定义类，写入自定义卷积核，用于网络处理图片

定义类，调用类测试自定义高斯滤波器卷积核，实现将图像高低频信息分离。方便网络单独处理单频信息。

自定义卷积核——pytorch相关推荐

最新文章

热门文章