Python tensorflow-对网络输出应用超级像素过滤器
下午好， 我有一个卷积神经网络来对一批6类图像进行像素分类。我想将超级像素算法（opencv中的一种）应用于网络的输出。实际上，超级像素将从输入图像中计算出来，然后对于网络输出中的每个超级像素位置，我将计算输出类的模式，以便对输入图像的每个超级像素具有相同的输出类。 由于前馈过程中网络的输出是[batch，w，h，6]大小的张量，所以我想将张量重塑为[batch*w，h，6]，然后对每个类进行迭代（对于范围（6）中的I），并计算每个超像素的该类模式，然后重塑回原始大小 我将在基于numpy的脚本中编写如下代码：Python tensorflow-对网络输出应用超级像素过滤器,python,tensorflow,neural-network,superpixels,Python,Tensorflow,Neural Network,Superpixels,下午好， 我有一个卷积神经网络来对一批6类图像进行像素分类。我想将超级像素算法（opencv中的一种）应用于网络的输出。实际上，超级像素将从输入图像中计算出来，然后对于网络输出中的每个超级像素位置，我将计算输出类的模式，以便对输入图像的每个超级像素具有相同的输出类。 由于前馈过程中网络的输出是[batch，w，h，6]大小的张量，所以我想将张量重塑为[batch*w，h，6]，然后对每个类进行迭代（对于范围（6）中的I），并计算每个超像素的该类模式，然后重塑回原始大小 我将在基于numpy的脚本
for i in range ( number of superpixels):
for j in range(number of classes=6):
mask = superpixel_location[i]
net_new_output[:,:,j][mask] = mode(net_output[:,:,j][mask])