我们从一个大小为 24x24x24 的 3d 体素(或 3d 数组)开始,所有这些都由 0 组成,但在一些任意索引中我们设置了 1。将这个体素发送到深度神经网络后,我们得到相同的类体素结构,但这次每个体素都包含一个标量,表示每个体素的概率输出为 0(低概率)或 1(某个数字)接近 1).
在此分布中,我们期望(并且实际看到)最高概率分布around输入数据中对应于 1s 的实际索引。这些符合从 0 到接近 1 的小 3d 梯度。
考虑到所有这些,我想找到一种方法/算法来在预测中将这些组与噪声区分开来。我的最终目标是获取组内和组间最大值的索引,以便我可以重建我的原始 3d 体素,将 1 放置在它们应该或至少尽可能靠近的位置。有没有什么已经实施的我可以为此目的尝试?
PD原始体素中的1可以靠得很近
我们已经尝试过:
它们都没有达到我们预期的水平(+90-95% 精度)