问三维图像数据的二维分析

EN

@ankit agrawal，你可能已经找到了答案，但我的建议是，绝对不要说你需要更多的记忆。我也遇到过类似的问题，如果其他人遇到这些问题，下面的选择会有所帮助。

选项

1. 关于分裂成z平面的答案是正确的。你可能会在z飞机上丢失信息。这个想法并不坏，但你可以把感兴趣的区域(ROIs)的/split图像分成几块。这样，它们就可以更容易管理了，但是如果将x/2、y/2和z/2分开，那么你就会得到一堆内存中使用的块。然后稍后将数据堆栈起来。
2. 使用库Dask，它会为您创建所有这些。它是为并行性而设计的，可以在一台计算机或集群上进行缩放。使用dask.array部件可以创建大量块的numpy数组。更好的是，去使用达斯克图像(应该有一个链接到这个在达斯克)。它是dask.array和许多赋值函数的包装器。最后，当文件被适当分割时，由于并行性，计算速度可能会更快。并不总是如此，但我在一台16 on的笔记本电脑上轻松地使用了20 on的数据集。这些文件是8位的，所以当许多库和函数向上浮动时，你的内存就会耗尽。这样你就能掌握好一切了。如果你坚持核心功能，它会工作得很好。当您使用映射块时会变得更加困难。

如果你还有这个问题。

在每个z平面上单独进行分类的问题是，您可能无法用这种受限的信息对对象进行分类。

对于二维人脸检测问题，您可以很容易地想到同样的方法，您将尝试单独检测每一行中的人脸--这可能不会非常健壮，，您将丢失宝贵的空间信息。到头来，你很可能最终没有发现要合并。

解决方案建议：

我的建议是增加你的体素的大小，直到它可以被你的处理单元处理，说降低你的数据的分辨率和做一个低置信阈值的分类。然后回来，对其中的检测量进行另一种分类，这一次的目标是一个更高的置信阈值。这可以在需要时迭代完成。

我认为打破图像--任何(x/y/z)平面--都会违背体素概念的观点，因为三维物体的表示被夷为平地，而你失去了空间关系数据。

我认为有几个选择是：

1. 使用分布式计算集群，比如Hadoop。
2. 看看如何将图像存储在像GeoMesa这样的地理空间数据库中，这样就可以有效地查询它，然后您就可以在内存中保存您需要在本地进行培训的内容。
3. 10 so不太大，所以也许可以升级您的内存容量？