Ndimensional平铺合并库
tiler的Python项目详细描述
瓦工
正在工作!
这个软件包提供了N维平铺(补丁提取)的工具 以及随后与锥形(窗口)函数合并。在
这对于深度学习中的语义分割任务特别有用, 我们经常需要处理不适合GPU内存的图像 (二维高光谱卫星图像、三维层析数据、全幻灯片图像等)。在
实现的功能
- 与数据读取器无关:使用numpy数组
- 优化以避免不必要的内存复制:除需要填充的边框平铺外,所有平铺都有numpy视图
- N维数组平铺(但现在平铺的维数必须与数组相同)
- 支持频道维度:不平铺的维度
- 重叠支撑:可以指定平铺重叠百分比或重叠大小
- 使用一致的索引或方便的迭代器访问单个分片
- 将平铺合并回完整数组:可选取消对原始形状的填充
- 合并支持scipy窗口函数
路线图
- 测试
- 添加边界窗口生成(如Pielawski等人-见参考资料)
- 更多示例
- 实现windows函数并删除scipy依赖(我们只需要几个生成windows的函数)
- Pythorch数据集类便利包装器?在
- 任意大小的图块(m-dim window over n-dim array,m<;=n)? 在
- 更平滑分段的可选增强模式?
- D4旋转组
- 镜像
- 用普通for循环进行基准测试,确定开销
安装
最新版本可通过pip获得:
pip install tiler
或者,可以克隆存储库并手动安装:
^{pr2}$示例
现在,只有examples/tiler_example.py
激励和其他平铺/修补库
我致力于修补三维数据的语义分割和
我经常发现自己在重用为以前的项目编写的平铺函数。
下面列出的现有库不适合我的用例,所以我写了tiler
。在
不过,还有其他库可能更适合您:
- 在
- 最小图像阅读器不可知的二维平铺工具
- 在
- 强大的Pythorch工具集,具有二维图像平铺和在GPU合并
- 在
Vooban/Smoothly-Blend-Image-Patches
- 二维图像的镜像和D4旋转数据(8倍)平方样条窗口函数增强
- 在
- 将2D图像切片并合并成N个大小相等的分片
- 在
你知道其他图书馆吗?在
在
参考文献
Introducing Hann windows for reducing edge-effects in patch-based image segmentation,皮耶劳斯基和沃尔比,2020年3月
- 项目
标签: