tensorflow - 将超像素滤波器应用于网络输出

Question

下午好， 我有一个卷积神经网络，用6类一批图像进行像素分类。我想将超像素算法（opencv中的算法）应用于网络的输出。实际上，超级像素将根据输入图像计算，然后对于网络输出中的每个超像素位置，我将计算输出类的模式，以便为输入图像的每个超像素具有相同的输出类。 由于在前馈传递期间网络的输出是[batch，w，h，6]大小张量，我正在考虑将张量重新整形为[batch * w，h，6]然后迭代每个类（对于我在范围（6）中并为每个超像素计算该类的模式，然后重新塑造回原始大小。

我在基于numpy的脚本中编写代码应该是这样的：

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])

虽然这在numpy中编码肯定很容易，但我在尝试在tensorflow中执行它时遇到问题，因为我不知道如何实现for循环或如何管理它们。

你可以帮帮我吗？

谢谢，

MC