Bagaimana dengan Cekap Memangkas Tampalan Rawak 16x16 daripada Berbilang Imej Menggunakan Kepingan Numpy?

Pemotongan Imej Rawak yang Cekap dengan Pelbagai Kepingan Numpy

Memandangkan tatasusunan Numpy 4-D yang mewakili imej berwarna, matlamatnya adalah untuk memilih rawak dengan cekap Pangkasan 16x16 daripada setiap imej, dengan lokasi pangkas yang unik untuk setiap imej.

Pendekatan naif menggunakan gelung for menimbulkan overhed dan pengiraan memori yang tidak diperlukan. Untuk mengoptimumkan proses ini, kami memanfaatkan kaedah np.lib.stride_tricks.as_strided atau fungsi view_as_windows scikit-image.

Menggunakan view_as_windows

Fungsi tetingkap view_as_windows mencipta pertindihan dalam tatasusunan input, mencipta pandangan ke dalam data asal dengan berkesan tanpa peruntukan memori tambahan. Dengan menentukan bentuk tetingkap (1, 16, 16, 1), kami mencipta tingkap gelongsor di sepanjang paksi kedua dan ketiga (lebar dan tinggi) dengan saiz langkah 1.

Untuk mengindeks tetingkap tertentu berdasarkan pada pasangan offset rawak (x, y), kami menggunakan langkah berikut:

1. Jana tatasusunan tetingkap: w = view_as_windows(X, (1,16,16,1))[... ,0,:,:,0]
2. Indeks tetingkap berdasarkan offset rawak: out = w[np.arange(X.shape[0]), x, y]
3. Transpose hasil untuk sepadan dengan format output yang diingini: out = out.transpose(0,2,3,1)

Kaedah ini menyediakan pendekatan yang cekap untuk memangkas berbilang imej dengan offset yang berbeza-beza, mengurangkan overhed memori dan masa pengiraan berbanding dengan pendekatan berulang.

Atas ialah kandungan terperinci Bagaimana dengan Cekap Memangkas Tampalan Rawak 16x16 daripada Berbilang Imej Menggunakan Kepingan Numpy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!