Python 如何实现maxpool：在图像或张量上的滑动窗口上取最大值

简言之：我正在寻找一个简单的

numpy

（可能是一个线性）实现

Maxpool

-在

numpy.narray

上的窗口最大值，用于跨维度的所有窗口位置

更多细节：我正在实现一个卷积神经网络（“CNN”），这种网络中的一个典型层是

MaxPool

层（例如）。书写

y=MaxPool（x，S）

，

x

是一个输入

narray

，

S

是一个参数，使用伪码，

MaxPool

的输出由以下公式给出：

     y[b,h,w,c] = max(x[b, s*h + i, s*w + j, c]) over i = 0,..., S-1; j = 0,...,S-1.

也就是说，

y

是

narray

，其中索引

b，h，w，c

处的值等于沿输入

x

的第二和第三维度的大小

S x

窗口的最大接收量，窗口“角”位于索引

b，h，w，c

一些附加细节：网络是使用

numpy

实现的。CNN有许多“层”，其中一层的输出是下一层的输入。层的输入是

numpy.narray

s，称为“张量”。在我的例子中，张量是四维的

numpy.narray

，

x

。也就是说，

x.shape

是一个元组

（B，H，W，C）

。在张量由一个层处理后，尺寸的每个大小都会发生变化，例如，层

i=4

的输入可以有大小

B=10，H=24，W=24，C=3

，而输出，即

i+1

层的输入有

B=10，H=12，W=12，C=5

。如注释所示，应用

MaxPool

后的大小为

（B，H-S+1，W-S+1，C）

对于具体性：如果我使用

import numpy as np

y = np.amax(x, axis = (1,2)) 

---

当

x.shape

表示

（2,3,3,4）

时，这将给出我想要的，但对于退化情况，我最大化的窗口大小为

3 x 3

，即

x

的第二和第三维度的大小，这并不是我想要的。

这里有一个使用

np.lib.strude\u技巧的解决方案。as\u-strude

创建滑动窗口，生成一个

6D

形状数组：

（B，H-s+1，W-s+1，s，s，C）

，然后简单地沿第四和第五轴执行max，生成一个形状输出数组：

（B，H-s+1，W-s+1，C）

。中间

6D

数组将是输入数组的视图，因此不会占用更多内存。

max

的后续操作是一个缩减操作，可以有效地利用滑动

视图

因此，将需要实施-

# Based on http://stackoverflow.com/a/41850409/3293881
def patchify(img, patch_shape):
    a, X, Y, b = img.shape
    x, y = patch_shape
    shape = (a, X - x + 1, Y - y + 1, x, y, b)
    a_str, X_str, Y_str, b_str = img.strides
    strides = (a_str, X_str, Y_str, X_str, Y_str, b_str)
    return np.lib.stride_tricks.as_strided(img, shape=shape, strides=strides)

out = patchify(x, (S,S)).max(axis=(3,4))

样本运行-

In [224]: x = np.random.randint(0,9,(10,24,24,3))

In [225]: S = 5

In [226]: np.may_share_memory(patchify(x, (S,S)), x)
Out[226]: True

In [227]: patchify(x, (S,S)).shape
Out[227]: (10, 20, 20, 5, 5, 3)

In [228]: patchify(x, (S,S)).max(axis=(3,4)).shape
Out[228]: (10, 20, 20, 3)

因此，输出的形状是：
（B，H-S+1，W-S+1，C）
，对吗？@Divakar是的，你是对的，输出取决于你能在滑动窗口中适应多少次，为非重叠面片实现O（n）算法（独立于窗口大小），即
（a，（（X-X）/X）+1，（Y-Y/Y）+1，X，Y，B）
，或者干脆
（a，X/X，Y/Y，X，Y，b）
，我应该使用什么样的步幅？有没有一种简单的方法将转换步幅（1,2,3..，窗口大小或全步幅）与numpy使用的步幅关联起来？我认为SaravanabalagiRamachandran使用scikit image的视图块可能更简单。