我想使用双曲正切(Sigmoid)内核计算两个图像之间的欧几里德距离。请关注this链接,我已经详细讨论了使用高斯内核的相同问题。
如果x=(i,j)
& y=(i1,j1)
是我们图片中的任意两个像素,然后是双曲正切内核,我的H(x,y)
将被定义为:
H(i,j) = tanh(alpha*(x'*y) + c)
其中alpha
和c
是参数,x'
是x
的转置。参数alpha
可以取为1 / N,其中N是我的图像尺寸(在我的情况下是8192 x 200),c可以根据问题取任何值。可以找到关于Hyperbolic Tangent内核的更详细描述here。
实现我的目标&考虑到运行时间,我编写了下面的MATLAB脚本。
gray1=zeros(8192,200);
gray2=zeros(8192,200);
s1 = 8192;
s2 = 200;
alpha = s1*s2;
perms = combvec(1:s2,1:s1);
perms = [perms(2,:);perms(1,:)]';
perms1 = perms;
gray1(4096,100) = 10;
gray2(10,100) = 10;
img_diff = gray1 - gray2;
display('Calculation of Sigmoid Kernel started');
for i = 1:length(perms1)
kernel = sum(bsxfun(@times,perms,perms1(i,:))');
kernel1 = tanh((1/alpha)*kernel + 1)';
g_temp(i) = img_diff(:)'*kernel1;
end
temp = g_temp*img_diff(:);
ans = sqrt(temp);
尽管我付出了所有努力,但我无法进一步对其进行矢量化,以降低其运营成本。目前,它需要大约29个小时才能完成,这对我来说太多了,因为我想为各种不同的图像运行它。我想使用内在的MATLAB函数给它一个完全矢量化的形式,就像在高斯内核的情况下@ dan-man所做的那样。在他的帮助下,高斯版本需要1-2秒才能完成。在这种情况下,我尽力使用相同的conv2fft
函数,但似乎很难找到实现这一目标的方法。
有人可以帮我删除那个额外的for循环,以便获得算法的运行成本与相同问题的高斯版本相同的比例。
提前致谢。
答案 0 :(得分:1)
g_temp = img_diff(:).'*tanh((1/alpha)*(perms*perms.')+1)
答案 1 :(得分:1)
我的PC在我的PC上只进行了50次迭代,代码需要date
只需将2.07s
行更改为
bsxfun
警告提示您可以将其转到kernel = sum(bsxfun(@times,perms,perms1(i,:)),2)';
如果您使用神经网络工具箱并将 1.65s
替换为tanh
,则时间将转到tansig
如果您自己编写1.44s
tanh
时间转到kernel1= (2./(1+exp(-2.*((1/alpha)*kernel + 1)))-1)';
这些更改意味着从1.28s
到29h
记得要预先分配!
18h