3D 体素结构（3D numpy 数组）上的局部最大值检测

Question

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：

• 选择超过任意阈值的那些体素的索引。
• 设置大小为 n x n x n 的内核，映射预测体素并仅保留其中的最高值。
• 使用高斯混合模型。

它们都没有达到我们预期的水平（+90-95% 精度）