在卷积神经网络中使用平均池化理解对分辨率的影响

Question

我在 CIFAR-10 数据集上使用 colorization 代码，我遇到了这一行：

downsize_module = nn.Sequential(nn.AvgPool2d(2), nn.AvgPool2d(2),  nn.Upsample(scale_factor=2), .Upsample(scale_factor=2))

平均池化使用了两次，那么resolution of output image是什么？

这是我的理解：

例如，如果我们有8*8 原始输入图像，第一个平均池 (2*2) 将给出 4*4 作为输出，第二个平均池 (2*2) 将给出 2*2 作为输出。

输出图像的分辨率是输入图像的1/16像素。 因此，就像素而言，它将是原始的 1/16，但就尺寸而言，它将是原始的 1/4。

哪种说法正确？以像素为单位的 1/16 或 1/4。

Answer 1

您在两种情况下都提供了相同的信息，您只需要指定您所谈论的单位。边缘中的像素或像素总数。如果您的图像是正方形的，则总像素数与边缘像素数的平方成比例。通常在提到像素总数时（例如在摄影中），通常会看到类似的内容：分辨率 = 10.4Mp 或 3.2kp。另一方面，在谈到屏幕时，分辨率通常是图像的高度（以像素为单位），例如：Resolution = 1080 表示图像为 1920x1080 像素。