在图像上跨越2D模型以生成标签图像（非卷积）

Question

我有一个从RGB图像样本训练的模型，它采用31x31像素区域作为输入，并为中心像素生成单个分类。

我想在整个图像上应用此模型，以有效地恢复每个像素的新分类图像。由于这不是卷积，我不确定在TensorFlow中执行此操作的首选方法是什么。

我知道这可以通过将图像推广到大量较小的张量中来实现，但这似乎是一个巨大的浪费，因为每个像素将重复961次。有没有解决的办法？

Answer 1

使您的模型成为fully-convolutional神经网络，因此对于31x31图像，它将生成single label，而对于62x62图像，它将生成2x2图像标签等。这将删除您在窗口化方法中谈到的冗余计算。

如果网络具有完全连接的层，则可以使用1x1内核将其替换为卷积层。