在重叠和非重叠过程中从三维图像中提取三维面片并恢复图像b

Question

我正在处理172x20x156形状的三维图像。为了将图像输入到网络中进行输出，我需要从图像中提取32x32x32大小的补丁，然后将这些补丁重新添加回来以再次获得图像。 因为我的图像尺寸不是面片大小的倍数，所以我必须得到重叠的补丁。 我想知道怎么做。在

我在Pythorch工作，有一些选项像unfold和{}，但我不确定它们是如何工作的。在

Answer 1

你所有的数据都是172x220x156？如果是这样的话，似乎可以使用for循环并索引到张量中来获得32x32x32块，对吗？（可能是硬编码了一些东西）。在

然而，我不能完全回答这个问题，因为你不清楚你想如何结合这些结果。说清楚，这是你的目标吗？在

1）从图像中获取32x32x32补丁 2） 对它进行任意处理 3） 将该补丁保存到正确索引的某个result 4） 重复

如果是这样，你打算如何组合重叠的补丁？加起来？平均值？在

但是，索引：

out_tensor = torch.zeros_like(input)
for i_idx in [0, 32, 64, 96, 128, 140]:
    for j_idx in [0, 32, 64, 96, 128, 160, 188]:
        for k_idx in [0, 32, 64, 96, 124]:
            input = tensor[i_idx, j_idx, k_idx]
            output = your_model(input)
            out_tensor[i_idx, j_idx, k_idx] = output

这根本不是优化的，但我想大部分的计算将是实际的神经网络，而且没有办法绕过它，所以优化可能是没有意义的。在