在较大的布尔值 tensors/arrays 中查找二维布尔值模式

Question

我正在寻找一种使用 pytorch 或 numpy 在 MxNxR tensor/array 中查找二维图案的方法。例如，查看布尔模式张量字典（例如 {6x6 : freq}）是否存在于更大的布尔张量（例如 3x256x256）中。

然后我想更新我的字典的模式和频率。

我希望有一个 pytorchi 的方式来做它，而不是在它上面循环，或者有一个优化的循环来做它。

据我所知，torch.where 在我们有一个标量值时有效。如果我有一个 6x6 的张量而不是一个值，我不确定我该怎么办。我调查了，但我认为将其用于二维模式是不可行的。

Answer 1

我想也许你可以使用卷积来解决这个问题。假设您有一个由 0 和 1 组成的输入。这里我们将举一个最小的例子，其中 u=input 为 3x3 和 2x2 模式：

>>> x = torch.tensor([[1., 0., 0.],
                      [0., 1., 0.],
                      [1., 0., 0.]])

模式将是：

>>> pattern = torch.tensor([[1., 0.],
                            [0., 1.]])

这里输入的左上角可以找到图案

我们用 nn.functional.conv2d 和 1 - pattern 作为内核执行卷积。

>>> img, mask = x[None, None], pattern[None, None]
>>> M = F.conv2d(img, 1 - mask)
tensor([[[[0., 1.],
          [2., 0.]]]])

当且仅当结果等于模式中 1 的数量时才有匹配：

>>> M == mask.sum(dim=(2,3)))
tensor([[[[ True, False],
          [False, False]]]])

您可以从这个最终的布尔掩码中推断出频率。您可以通过在卷积中添加内核将此方法扩展到多个模式。

Finding 2D boolean patterns in larger boolean tensors/arrays