NiftyNet体积采样

Question

我用NiftyNet来解决分割问题。要从卷中获取样本，可以使用此选项Sample_per_volume。

注意:当我将样本位置设置为"1“时，我注意到不只是从一个卷中获取一个样本，而是在每次迭代中从一个图像中获取一个样本。

假设:如果这是真的，那么最好将Sample_per_volume设置为1，以便对抽样过程进行最佳随机化。

问:我的观察对吗？如果是的话，假设是对的吗？那么，如果最好的选项总是"1“，那么为什么存在这个选项呢？

Answer 1

sample_per_volume的动机来自于一些医学图像可能很大，因此神经网络训练的瓶颈是磁盘上的i/o。在这种情况下，为了提高效率，每个卷可以获得多个样本。

正如您注意到的，虽然这并不十分理想，但是有几个缓解因素。首先，可以将queue_length参数设置为更高。这意味着一次加载几个补丁，然后随机输入训练。另外，由于许多三维神经网络使用的是补丁而不是整幅图像，同一卷中的两个补丁甚至可能不重叠，因此对于小块来说，从给定的卷中获取大量内容是非常有意义的。

所以，tl;dr:最好的选择并不总是'1‘，因为加载数据可能很昂贵。