我有一个从RGB图像样本训练的模型，该模型将31x31像素区域作为输入，并为中心像素生成单个分类。
我想将此模型应用于整个图像，以有效地恢复每个像素的新分类图像。由于这不是卷积，我不确定在TensorFlow中执行此操作的首选方法是什么。
我知道这可以通过将图像分解为大量较小的张量来推理，但这似乎是一个巨大的浪费，因为每个像素将被复制 961 次。有没有办法解决这个问题？
使模型成为fully-convolutional神经网络，因此对于31x31图像，它将生成single label，对于62x62图像，它将生成2x2标签，依此类推。这将删除您在窗口方法的情况下谈到的冗余计算。
如果网络具有全连接层，则可以使用1x1内核将其替换为卷积层。