Skip to content

Latest commit

 

History

History
86 lines (60 loc) · 3.84 KB

grid_sampler_cn.rst

File metadata and controls

86 lines (60 loc) · 3.84 KB
Raw

grid_sampler

基于 flow field 网格的对输入 X 进行双线性插值采样。网格通常由 affine_grid 生成，当输入 X 为 4 维时，网格 shape 为[N, H, W, 2]，是 shape 为[N, H, W]的采样点张量的(x, y)坐标。 其中，x 坐标是对输入数据 X 的第四个维度(宽度维度)的索引，y 坐标是第三维度(高维度)的索引，最终输出采样值为采样点的 4 个最接近的角点的双线性插值结果，输出张量的 shape 为[N, C, H, W]。 当输入 X 为 5 维时，网格 shape 为[N, D, H, W, 3]，是 shape 为[N, D, H, W]的采样点张量的(x, y, z)坐标。其中，x 坐标是对输入数据 X 的第五个维度(宽度维度)的索引，y 坐标是第四维度 (高度维度)的索引，z 坐标是第三个维度(深度维度)的索引，最终输出采样值为采样点的 8 个最接近的角点的双线性插值结果，输出张量的 shape 为[N, C, D, H, W]。

step 1：

得到(x, y)网格坐标，缩放到[0,h -1/W-1]

grid_x = 0.5 * (grid[:, :, :, 0] + 1) * (W - 1) grid_y = 0.5 * (grid[:, :, :, 1] + 1) * (H - 1)

step 2：

在每个[H, W]区域用网格(X, y)作为输入数据 X 的索引，并将双线性插值点值由 4 个最近的点表示。

wn ------- y_n ------- en
|           |           |
|          d_n          |
|           |           |
x_w --d_w-- grid--d_e-- x_e
          | |
         d_s |
          | |

ws ------- y_s ------- wn

x_w = floor(x) // west side x coord x_e = x_w + 1 // east side x coord y_n = floor(y) // north side y coord y_s = y_s + 1 // south side y coord d_w = grid_x - x_w // distance to west side d_e = x_e - grid_x // distance to east side d_n = grid_y - y_n // distance to north side d_s = y_s - grid_y // distance to south side wn = X[:, :, y_n, x_w] // north-west point value en = X[:, :, y_n, x_e] // north-east point value ws = X[:, :, y_s, x_w] // south-east point value es = X[:, :, y_s, x_w] // north-east point value

output = wn * d_e * d_s + en * d_w * d_s
  • ws * d_e * d_n + es * d_w * d_n

参数

  • x (Variable)：输入张量，维度为 [N, C, H, W] 的 4-D Tensor 或维度为 [N, C, D, H, W] 的 5-D Tensor，N 为批尺寸，C 是通道数，D 是特征深度，H 是特征高度，W 是特征宽度，数据类型为 float32 或 float64。
  • grid (Variable)：输入网格数据张量，维度为 [N, H, W, 2] 的 4-D Tensor 或维度为 [N, D, H, W, 3] 的 5-D Tensor，N 为批尺寸，C 是通道数，D 是特征深度， H 是特征高度，W 是特征宽度，数据类型为 float32 或 float64。
  • name (str，可选) - 具体用法请参见 api_guide_Name，一般无需设置，默认值为 None。

返回

Variable(Tensor)：输入 X 基于输入网格的双线性插值计算结果，维度为 [N, C, H, W] 的 4-D Tensor 或维度为 [N, C, D, H, W] 的 5-D Tensor

返回类型

变量(Variable)，数据类型与 x 一致

代码示例

import paddle
import paddle.fluid as fluid

paddle.enable_static()

# 一般与 affine_grid 组合使用
x = paddle.static.data(name='x', shape=[3, 10, 32, 32], dtype='float32')
theta = paddle.static.data(name='theta', shape=[2, 2, 3], dtype='float32')
grid = paddle.nn.functional.affine_grid(theta=theta, out_shape=[3, 10, 32, 32])
out = paddle.nn.functional.grid_sample(x=x, grid=grid)