我有一个从RGB图像样本中训练的模型，该模型以31×31像素区域作为输入，并为中心像素生成一个分类结果。

我想将这个模型应用于整张图像，以便有效地恢复每个像素的分类新图像。由于这不是卷积，我不确定在TensorFlow中这样做的首选方法是什么。

我知道可以通过将图像分解成许多小的张量来进行推断，但这样做似乎是巨大的浪费，因为每个像素会被复制961次。有没有办法避免这种情况？

回答：

将您的模型改造成一个全卷积神经网络，这样对于31x31的图像，它将生成一个单一标签，而对于62x62的图像，它将生成2x2的标签，依此类推。这将消除您在窗口方法中提到的冗余计算问题。

如果网络中有一个全连接层，可以用1x1核的卷积层来替换它。