问题描述
目标： 给定几百个 2D 坐标预测的列表，我想找到最可能包含标签的坐标。我还粗略地预测了图像的每个 8x8 像素区域包含地标的可能性。图片分辨率为512x512。
方法： （使用 Python）我将每个预测表示为单个 2D 图像上的小高斯 blob，并累加。高斯 blob 的平均值是预测坐标，std 为 1。
如果两个点彼此接近，我希望它们的高斯值累积相加，以便该区域具有更高的激活。我想选择激活最高的像素作为最终预测。这是我的意思的图片：
问题：
目前，我正在为每个点生成一个高斯并将其添加到映射中，但这真的很慢。是否有一种数学上等效的方法可以更快地做到这一点？例如仅将每个预测的像素映射到图像上，然后对其应用一些函数（平滑？）？
或者我可以做些什么更聪明的事情来实现相同的目标，即根据预测列表选择最有可能的最终预测？由于像素值是累积的，峰值像素的值包含一些关于最终预测的“可信度”的信息，所以我希望保留这样的信息。我也想使用粗略的似然信息。
提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）