numpy批量瞥見傳感器

Question

我試圖從視覺注意紙（https://arxiv.org/abs/1406.6247）的週期性模型實現瞥見傳感器。

基本上，我需要從2d numpy數組中提取矩形作物。對於單個輸入來說沒有任何問題，但我似乎無法弄清楚如何通過批處理來完成。

所以輸入是：

• 圖片 - 樣本×高度×寬度陣列
• 位置 - 樣本×2陣列 - 組x，y座標爲每個樣本圖像

的輸出應該是某個尺寸的每個樣本作物區域（例如100x100），其中作物的左上角由相應的位置條目指定，因此它應該是樣本x 100 x 100。現在我忽略所有角落的情況下，所以可以假定莊稼是完全的包含在圖像中，並且位置已經處於可用於numpy索引的格式。

在單個圖像中的任務的情況下很容易：

image[location[0]:location[0]+100, location[1]:location[1]+100] 

但將它應用到它的批次稍微硬。做

image[:, location[:,0]:location[:,0]+100, location[:,1]:location[:,1]+100] 

不起作用，因爲切片不接受numpy數組。

爲任意作物大小提供全套指數似乎也不適用於我。

另一種選擇是循環遍歷批處理，並從每個圖像中分別提取裁剪，但我不確定這將是多高效。

那麼，在沒有使用循環的情況下，這種索引在numpy中是可能的嗎？

Answer 1

這似乎工作：我只是提供了全套索引，如上所述。我們可以簡單地首先生成範圍：

ranges_x = [list(range(i, i+10)) for i, _ in locations] 
ranges_y = [list(range(j, j+10)) for _, j in locations] 

然後，只需將這些指標：

images[:, ranges_x, ranges_y] 

下面是我試過的玩具例子：

>>> images = np.random.random(size=(10, 100, 100)) 
>>> images[0].shape 
(100, 100) 
>>> locations = np.random.random_integers(0, 25, size=(10, 2)) 
>>> ranges_x = [list(range(i, i+10)) for i, _ in locations] 
>>> ranges_y = [list(range(j, j+10)) for _, j in locations] 
>>> crops = images[:, ranges_x, ranges_y] 
>>> crops[0].shape 
(10, 10) 
>>> locations[0] 
array([16, 1]) 
>>> images[0][16][1] 
0.078065688223271312 
>>> crops[0][0][0] 
0.078065688223271312