傅里叶卷积Fourier Convolutions

Qiming_v

于 2024-06-27 22:52:31 发布

阅读量489

点赞数 7

CC 4.0 BY-SA版权

文章标签：神经网络人工智能

本文链接：https://blog.csdn.net/zhilaizhiwang/article/details/140025237

傅里叶卷积Fourier Convolutions

对输入tensor进行FFT，然后提取出实部和虚部，对实部和虚部进行卷积计算，再还原为实部和虚部，还原为tensor。
中间可以对频率域使用SE，对不同的频率进行重标定。

class FourierUnit(nn.Module):

    def __init__(self, in_channels, out_channels, groups=1, spatial_scale_factor=None, spatial_scale_mode='bilinear',
                 spectral_pos_encoding=False, use_se=False, se_kwargs=None, ffc3d=False, fft_norm='ortho'):
        # bn_layer not used
        super(FourierUnit, self).__init__()
        self.groups = groups

        self.conv_layer = torch.nn.Conv2d(in_channels=in_channels * 2 + (2 if spectral_pos_encoding else 0),
                                          out_channels=out_channels * 2,
                                          kernel_size=1, stride=1, padding=0, groups=self.groups, bias=False)
        self.bn = torch.nn.BatchNorm2d(out_channels