使用 TensorFlow 寻找局部最大值

Question

我正在寻找一种方法来专门使用 TensorFlow 获取张量的局部最大值的索引。

tl;博士

我不是数据科学家。 我对计算机视觉背后的理论知之甚少，但我正在尝试使用 TensorFlow 构建计算机视觉应用程序。 我计划保存我的模型并使用 TF Serving 将其作为服务调用，因此我不能依赖于外部库，例如 numpy、scipy 等。我想要完成的在算法上与 scipy 的 signal.argrelextrema 相同，但在一种可以与我的模型一起保存并重新运行的方式。 此处显示了其他算法，但都没有在 TensorFlow 中执行。 任何人都可以指出我正确的方向吗？

Answer 1

编辑

我的第一个解决方案是实用的，但效率低下。 它需要张量的五次迭代（零轨迹、反向、零轨迹、反向、哪里）。 我现在有一个只需要两次迭代的解决方案，并且还足够灵活，可以快速识别局部最小值......

def get_slope(prev, cur):
    # A: Ascending
    # D: Descending
    # P: PEAK (on previous node)
    # V: VALLEY (on previous node)
    return tf.cond(prev[0] < cur, lambda: (cur, ascending_or_valley(prev, cur)), lambda: (cur, descending_or_peak(prev, cur)))

def ascending_or_valley(prev, cur):
    return tf.cond(tf.logical_or(tf.equal(prev[1], 'A'), tf.equal(prev[1], 'V')), lambda: np.array('A'), lambda: np.array('V'))

def descending_or_peak(prev, cur):
    return tf.cond(tf.logical_or(tf.equal(prev[1], 'A'), tf.equal(prev[1], 'V')), lambda: np.array('P'), lambda: np.array('D'))

def label_local_extrema(tens):
    """Return a vector of chars indicating ascending, descending, peak, or valley slopes"""
    # initializer element values don't matter, just the type.
    initializer = (np.array(0, dtype=np.float32), np.array('A'))
    # First, get the slope for each element
    slope = tf.scan(get_slope, tens, initializer)
    # shift by one, since each slope indicator is the slope
    # of the previous node (necessary to identify peaks and valleys)
    return slope[1][1:]

def find_local_maxima(tens):
    """Return the indices of the local maxima of the first dimension of the tensor"""
    return tf.squeeze(tf.where(tf.equal(label_local_extrema(blur_x_tf), 'P')))

结束编辑

好的，我设法找到了解决方案，但它并不漂亮。 以下函数采用一维张量，并将所有不是局部最大值的点归零。 这仅适用于正数，并且需要修改 float32 以外的数据类型，但它满足我的需要。

不过，必须有更好的方法来做到这一点。

def zero_descent(prev, cur):
    """reduces all descent steps to zero"""
    return tf.cond(prev[0] < cur, lambda: (cur, cur), lambda: (cur, 0.0))

def skeletonize_1d(tens):
    """reduces all point other than local maxima to zero"""
    # initializer element values don't matter, just the type.
    initializer = (np.array(0, dtype=np.float32), np.array(0, dtype=np.float32))
    # First, zero out the trailing side
    trail = tf.scan(zero_descent, tens, initializer)
    # Next, let's make the leading side the trailing side
    trail_rev = tf.reverse(trail[1], [0])
    # Now zero out the leading (now trailing) side
    lead = tf.scan(zero_descent, trail_rev, initializer)
    # Finally, undo the reversal for the result
    return tf.reverse(lead[1], [0])

def find_local_maxima(tens):
    return tf.where(skeletonize_1d >0)

Answer 2

我认为你没有提供足够的信息来澄清太多。 首先，我不确定你想获得张量的最大元素（tf 中有一个函数）或者你想找到函数的局部最大值（不是张量）。 在这种情况下，您可以恢复函数并找到局部最小值，这将导致您要查找的内容。

Answer 3

伪：

input_matrix == max_pool(input_matrix)

说明：

当输入值与 max_pooling 所取的值相同时，这意味着它们是最大的。