测试时图像空间尺寸与训练的不一样该怎么办呢？

[Deep-imagelab]

训练时采用4848的Patch，测试时如果是一张非4848，比如100100或者200200的图像，代码跑不通呀

[Deep-imagelab]

训练时采用48_48的Patch，测试时如果是一张非48_48，比如100_100或者200_200的图像，代码跑不通呀

主要是我没太明白，当图像不是48*48时，模型第一步“序列化处理“按照既定超参数，就一直会报错了，就没法测试。

[HantingChen]

你好，在文件model/init.py中我们会对测试图像进行切块分为48*48输入模型中，最后输出再拼接回去。

[Deep-imagelab]

你好，在文件model/init.py中我们会对测试图像进行切块分为48*48输入模型中，最后输出再拼接回去。

好的，好的，明白了，我做超分也用过这种基于Patch推理再拼接的方式，这种可能会有明显的拼接痕迹，就是Patch与Patch之间拼接起来会有线条状，这个问题您遇到过吗

[HantingChen]

你好，在文件model/init.py中我们会对测试图像进行切块分为48*48输入模型中，最后输出再拼接回去。

好的，好的，明白了，我做超分也用过这种基于Patch推理再拼接的方式，这种可能会有明显的拼接痕迹，就是Patch与Patch之间拼接起来会有线条状，这个问题您遇到过吗

如果只是简单拼接会有这样的问题（如目前开源代码的拼接方式），可以考虑拼接时重叠部分，并使用smooth的过渡方式即可解决。

[Deep-imagelab]

你好，在文件model/init.py中我们会对测试图像进行切块分为48*48输入模型中，最后输出再拼接回去。

好的，好的，明白了，我做超分也用过这种基于Patch推理再拼接的方式，这种可能会有明显的拼接痕迹，就是Patch与Patch之间拼接起来会有线条状，这个问题您遇到过吗

如果只是简单拼接会有这样的问题（如目前开源代码的拼接方式），可以考虑拼接时重叠部分，并使用smooth的过渡方式即可解决。

smooth的过渡方式可以解释的更具体一点吗？没有太明白。

[HantingChen]

拼接时，重叠部分不是采用绝对平均的方式，而是采用和patch距离成反比的权重进行平均。

[Deep-imagelab]

拼接时，重叠部分不是采用绝对平均的方式，而是采用和patch距离成反比的权重进行平均。

还是不太明白，当patch之间有重叠部分，实际取平均时，考虑的是每个重叠的像素点值的平均，如果是两个patch重叠，那肯定就是重叠部分加起来除以2就好了，难道您所采用的方式是很多Patch加权平均吗？所说的“和patch距离成反比”是当前所求像素与各个patch中心点的距离吗？
最后想请问这部分代码后续会开源吗？

[HantingChen]

拼接时，重叠部分不是采用绝对平均的方式，而是采用和patch距离成反比的权重进行平均。

还是不太明白，当patch之间有重叠部分，实际取平均时，考虑的是每个重叠的像素点值的平均，如果是两个patch重叠，那肯定就是重叠部分加起来除以2就好了，难道您所采用的方式是很多Patch加权平均吗？所说的“和patch距离成反比”是当前所求像素与各个patch中心点的距离吗？ 最后想请问这部分代码后续会开源吗？

由于是两维图像，patch重叠可能会有4个patch。“和patch距离成反比”大概是在重叠部分的中心是1/2，然后越靠近某个patch越接近1。这部分代码暂不考虑开源。

[Deep-imagelab]

拼接时，重叠部分不是采用绝对平均的方式，而是采用和patch距离成反比的权重进行平均。

还是不太明白，当patch之间有重叠部分，实际取平均时，考虑的是每个重叠的像素点值的平均，如果是两个patch重叠，那肯定就是重叠部分加起来除以2就好了，难道您所采用的方式是很多Patch加权平均吗？所说的“和patch距离成反比”是当前所求像素与各个patch中心点的距离吗？ 最后想请问这部分代码后续会开源吗？

由于是两维图像，patch重叠可能会有4个patch。“和patch距离成反比”大概是在重叠部分的中心是1/2，然后越靠近某个patch越接近1。这部分代码暂不考虑开源。

好的，非常感谢您认真和细致的回复。