Question

因为我的输入图像太大而无法在神经网络中进行计算，所以使用extract_image_patches将它们拆分为小块。然后在将补丁输入网络之前将补丁一起批处理。目前，每批中有256个补丁，但每个映像总共分为1024个补丁，这意味着需要读取4个批次来重建图像。

对于重建，我使用以下代码：

image = tf.image.decode_png(...)
...
patch_size = [1, 32, 32, 1]
patches = tf.extract_image_patches([image],
    patch_size, patch_size, [1, 1, 1, 1], 'VALID')
patches = tf.reshape(patches, [1024, 32, 32, 3])
...
reconstructed = tf.reshape(patches, [1, 1024, 1024, 3])
encoded = tf.image.encode_png(reconstructed[0])

这适用于涉及批处理（除非批次数为1024）：

patch_batch = tf.train.batch([patches],
        batch_size=256,
        enqueue_many=True,
        capacity=capacity)

reconstructed = tf.reshape(patch_batch, [1, 1024, 1024, 3]) <-- fails

起初，我尝试使用FIFOQueue，但是这将无限期挂起，因为缓冲区在请求出列队列之前无法累积足够的数据：

buf = tf.FIFOQueue(1024, dtypes=[tf.uint8], shapes=[[32, 32, 3]])
buf.enqueue_many(patch_batch)
all_patches = buf.dequeue_many(1024)

reconstructed = tf.reshape(all_patches, [1, 1024, 1024, 3])

“解密”这些数据的正确方法是什么？

从批处理的细分中重建完整图像

0 个答案: