Tensorflow 中的批处理互相关

Question

我需要在一批特征图对中执行 2D 交叉卷积（例如，像 MATLAB 的https://www.mathworks.com/help/signal/ref/xcorr2.html）。

为了澄清：

让X是B x W1 x H1 x C和Y是B x W2 x H2 x C。

我想要的输出是形状B x W2 x H2 x 1（假设我们将其X视为我们Y使用相同填充传递的“过滤器” ），其中输出的i第 -th1 x W2 x H2 x 1切片是X[i,:,:,:]和之间的互相关，Y[i,:,:,:]例如

tf.nn.conv2d(Y[i,:,:,:], X[i,:,:,:], [1,1,1,1], padding='SAME')

有没有一种有效的方法来实现这个操作？

注意：如果X是，1 x W1 x H1 x C并且我们想Y在每个 slice将它与它进行互相关B，这很容易：

cross_corr = tf.nn.conv2d(
    Y, tf.transpose(X, perm[1,2,3,0], [1,1,1,1], padding='SAME')

它利用了 Tensorflowconv2d作为互相关实现的事实，以及我们可以在转置后将较小的张量视为本质上的过滤器的事实。这不能解决我的问题，因为我需要对B不同滤波器进行交叉卷积。

也许 conv3d 是一种可能性？

注2：vl_nnconv如果过滤器通道将输入通道分开，matconvnet 会执行此操作。Tensorflow 有等价物吗？

Answer 1

tf.map您可以像我在这里展示的那样使用该功能。

我当时尝试使用conv3d但没有找到让它发挥作用的方法。