通过应用掩码提取部分卷积神经网络特征

Question

所以我有我的最终形状特征，(1, 512, 90, 160)深度为 512（第 3 维）。我从 shape 的地面实况图像创建了一个二维二进制掩码(90, 160)。我正在尝试将此掩码应用于该功能以仅手动提取我的部分功能。然而，由于特征和掩码的形状不匹配，我得到了索引错误。有了np.expand_dims()，我已经做成了面具的形状(1,1,90,160)。现在，我怎样才能堆叠面具以获得形状(1, 512, 90, 160)？

Answer 1

您有 2 个选项：

创建 3d 蒙版-

final = np.ones((1,512,90,160))

final2 = np.copy(final)

mask = np.random.randint(1,10,size = (1,90,160)) > np.random.randint(1,10,size = (1,90,160))

masked = np.copy(final)

masked[:,0,:,:] = np.logical_and(masked[:,0,:,:],mask)

masked = np.logical_and.accumulate(masked,axis = 1)

np.putmask(final,masked == False, 0)

以上将创建一个 3d 蒙版，并用它来蒙版final。

另一种更简单的选择是乘法：

np.multiply(final,mask)

NP 处理尺寸，并为您提供屏蔽版本。

您可以通过以下方式验证：

(np.multiply(final2,mask) == final).all()