Bilinear Interpolation
1. 已知周边四个点，计算双线性差值
2. 如何找到周边四个点坐标
常见方式：顶点对齐，在PyTorch和TenserFlow实现中，align_corner=True
# 计算方式
SrcX = dstX * (srcWidth-1）/ (dstWidth-1)
SrcY = dstY * (srcHeight-1）/ (dstHeight-1)
# pyTorch结果：https://github.com/pytorch/pytorch/blob/master/aten/src/THCUNN/linear_upsampling.h
>>> input = torch.arange(1, 5).view(1, 1, 2, 2).float()
>>> input
tensor([[[[ 1., 2.],
[ 3., 4.]]]])
>>> m = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)
>>> m(input)
tensor([[[[ 1.0000, 1.3333, 1.6667, 2.0000],
[ 1.6667, 2.0000, 2.3333, 2.6667],
[ 2.3333, 2.6667, 3.0000, 3.3333],
[ 3.0000, 3.3333, 3.6667, 4.0000]]]])
# 例如，对于第0行，第1列，1.333 = 1 * 2/3 + 2 * 1/3
# align_corner=False，计算方式：
SrcX = (dstX+0.5) * (srcWidth/dstWidth) - 0.5
SrcY = (dstY+0.5) * (srcHeight/dstHeight) - 0.5
# 同样的，对于第0行，第1列
src1 = (1 + 0.5) * (2/4) - 0.5 = 0.25
则 1.25 = (1 - 0.25) * 1 + 0.25 * 2 = 0.75+ 0.5 = 1.25
>>> m = nn.Upsample(scale_factor=2, mode='bilinear') # align_corners=False
>>> m(input)
tensor([[[[ 1.0000, 1.2500, 1.7500, 2.0000],
[ 1.5000, 1.7500, 2.2500, 2.5000],
[ 2.5000, 2.7500, 3.2500, 3.5000],
[ 3.0000, 3.2500, 3.7500, 4.0000]]]])对于定点对齐，在pyTorch和TenserFlow能得到一致的结果
但是如果为False，可能实现不同结果不同，其原理是图像的中心点对齐