问题描述
我想合并两个稀疏的Bird-Eye-View特征图。
它们在大多数像素上的值为0。并且它们是对齐的，因此对应的像素代表相同的位置，这使得合并合理。
- 以两个张量为例：
net1=[
[0,0.2,0],[0,0.1,0]]
net2_aligned=[
[0.3,0.4,0]]
-
仅当net1的像素值为0时，才会被net2_aligned中相应的像素值替换。
- （如果对两个张量中都具有值的像素使用max / mean，也可以接受）
-
即我们假设在float32的“或运算”之后得到此结果：
net_result=[
[0.3,0]]
张量流中是否有这种方法？我在想是否可以通过特殊的1x1卷积来完成。
解决方法
您可以：
import tensorflow as tf
net1 = tf.convert_to_tensor([[0,0.2,0],[0,0.1,0]])
net2_aligned = tf.convert_to_tensor([[0.3,0.4,0]])
bools = (net1==0) # Gives a boolean tensor
bools = tf.cast(bools,tf.float32) # Converts the boolean tensor to float32 dtype,so you can multiply it with net2_aligned
net_result = net1 + bools*net2_aligned # This is possible thanks to the particularity of your problem,as each time you want to replace a net1 value by one of net2_aligned,it is equal to 0. Thus the sum.
输出：
<tf.Tensor: shape=(3,3),dtype=float32,numpy=
array([[0.3,0. ],[0.,0.,0. ]],dtype=float32)>
如果您想替换net1的每个等于0.2的值，则可以这样做：
bools = tf.cast(net1==0.2,tf.float32)
net_result = net1*(1-bools) + bools*net2_aligned
您可以为此使用numpy：
import numpy as np
net1=np.array([
[0,0]])
net2_aligned=np.array([
[0.3,0]])
result = np.copy(net1)
mask = net1 == 0
result[mask] = net2_aligned[mask]
print(result)