python - 实现自定义层来生成二维指数图像

Question

我需要实现一个自定义层(在 Tensorflow 或 Keras 中)，它生成具有可学习参数(方差)的 2d 高斯热图。我希望该层将每个样本的中心(即地面实况地标坐标)作为它们的输入和输出 2d 高斯图像。 但是，我不确定如何实现它，因为我必须迭代样本数，而当样本数为“无”时，在“调用”方法中进行编译期间这是不可能的。 更具体地说，如果只有一个样本，这就是我生成热图的方式:

def call(self,landmark):

    x, y = tf.meshgrid(tf.linspace(-100.0,100.0,128), tf.linspace(-100.0,100.0,128))
    d = tf.sqrt((x-landmark[0])**2+(y-landmark[1])**2)

    g=tf.exp(-tf.square(d)/(2*self.sigma**2))/(2*np.pi*self.sigma)
    return g

但是，假设地标是最初形状为 (None,2) 的输入张量，我如何实现一个为每个样本输出相应结果的层？

Answer 1

我想出了一个答案，我不确定它的效果如何: 您可以制作一个二维常量网格图像和地标的列表，并同时将它们作为输入传递，那么调用函数将是:

def call(self, x):
    image, landmark = x
    sub = image - landmark

    sigma = self.kernel

    d = KB.sqrt((sub[:, :, :, 0]) ** 2 + (sub[:, :, :, 1]) ** 2)

    g = tf.exp(-tf.square(d) / (2 * sigma ** 2)) / (2 * np.pi * sigma)

    return g