Image processing 三维图像数据的二维分析
我有一个大约10 Gb大小的tif图像。我需要在此图像中执行对象分类或像素分类。图像数据的维数为zyx形式。我的体素大小,x=0.6,y=0.6,z=1.2。Z是对象的深度。我的RAM无法拍摄整个图像 如果我分别对每个Z平面上的像素进行分类,然后合并以获得对象的最终形状和体积Image processing 三维图像数据的二维分析,image-processing,machine-learning,point-clouds,voxel,Image Processing,Machine Learning,Point Clouds,Voxel,我有一个大约10 Gb大小的tif图像。我需要在此图像中执行对象分类或像素分类。图像数据的维数为zyx形式。我的体素大小,x=0.6,y=0.6,z=1.2。Z是对象的深度。我的RAM无法拍摄整个图像 如果我分别对每个Z平面上的像素进行分类,然后合并以获得对象的最终形状和体积 我是否会丢失任何信息,而我的最终形状或对象体积将是错误的?在每个z平面中单独进行分类的问题是,您可能无法使用此类受限信息对对象进行分类 对于2D人脸检测问题,您可以很容易地想到同样的方法,在2D人脸检测问题中,您将尝试单独
我是否会丢失任何信息,而我的最终形状或对象体积将是错误的?在每个z平面中单独进行分类的问题是,您可能无法使用此类受限信息对对象进行分类 对于2D人脸检测问题,您可以很容易地想到同样的方法,在2D人脸检测问题中,您将尝试单独检测每一行中的人脸-这可能不会非常健壮,您将丢失有价值的空间信息。最终,您可能会没有要合并的检测 解决方案建议:
我的建议是增加体素的大小,直到它可以被处理单元处理,比如降低数据的分辨率,并用低置信阈值进行分类。然后返回并对检测到的卷进行另一个分类,这次的目标是更高的置信阈值。这可以根据需要迭代完成。我认为将图像分解为任何(x/y/z)平面都会破坏体素概念的意义,因为三维对象的表示是扁平的,并且会丢失空间关系数据 我认为有两种选择:
@ankit agrawal你可能已经找到了答案,但我的建议是绝对不要说你需要更多的记忆。 我也遇到过类似的问题,如果有人遇到,下面的选项会有所帮助 选择权
如果您仍然存在此问题。@sunapi386,那么您必须考虑什么是成像模式以及其他所有问题。最简单的实现是1x 3d问题比1x 1D问题在计算上更困难。所以你把计算分解成X,y和z的3x1d问题。更容易处理,