haralickt
haralickt 是一个基于 PyTorch 的 GPU 加速 Haralick 纹理特征(GLCM)计算库,支持全部 13 个描述符、滑动窗口、分块平铺和批处理。
时间轴 (近 90 天)
haralickt 是一个纯 PyTorch 实现的库,将所有 13 个 Haralick 描述符放到 GPU(也支持多线程 CPU)上计算,通过向量化张量运算和分块平铺加速。
与单线程 mahotas 相比,haralickt 的 CPU 模式在 256x256 图像、32 个灰度级下的 27 种参数组合测试中平均加速 16.7 倍,范围 9.1 倍到 67.7 倍。
在 512x512 及以上图像尺寸上,haralickt GPU 相对 10 线程 OpenMP mahotas 的加速比大约在 20 到 60 倍之间。
haralickt 与 mahotas 计算结果的数值最大差异为 2.02 × 10⁻⁴,来源是 Diff Variance 中的 float32 舍入误差。
haralickt 是纯 Python + PyTorch(>=2.0)实现,安装无需 C 编译器工具链。
haralickt 可与 torchvision、MONAI 集成,适合医学影像深度学习流水线。
haralickt 提供滑动窗口 API `haralick(image, num_levels=32, window_size=32, stride=8, device="cuda")`,返回形状 (H, W, 13) 的张量。
haralickt 提供 `features.haralick()` 作为 mahotas 的 drop-in 替代,返回形状 (4, 13) 的 NumPy 数组。
haralickt 的许可证为 MPL-2.0。
haralickt 可通过 `pip install haralickt` 安装。
还有 2 条时间轴事件
全部知识事实 (12)
haralickt 是一个纯 PyTorch 实现的库,将所有 13 个 Haralick 描述符放到 GPU(也支持多线程 CPU)上计算,通过向量化张量运算和分块平铺加速。
50%待验证与单线程 mahotas 相比,haralickt 的 CPU 模式在 256x256 图像、32 个灰度级下的 27 种参数组合测试中平均加速 16.7 倍,范围 9.1 倍到 67.7 倍。
50%待验证在 512x512 及以上图像尺寸上,haralickt GPU 相对 10 线程 OpenMP mahotas 的加速比大约在 20 到 60 倍之间。
50%待验证haralickt 与 mahotas 计算结果的数值最大差异为 2.02 × 10⁻⁴,来源是 Diff Variance 中的 float32 舍入误差。
50%待验证haralickt 是纯 Python + PyTorch(>=2.0)实现,安装无需 C 编译器工具链。
50%待验证haralickt 可与 torchvision、MONAI 集成,适合医学影像深度学习流水线。
50%待验证haralickt 提供滑动窗口 API `haralick(image, num_levels=32, window_size=32, stride=8, device="cuda")`,返回形状 (H, W, 13) 的张量。
50%待验证haralickt 提供 `features.haralick()` 作为 mahotas 的 drop-in 替代,返回形状 (4, 13) 的 NumPy 数组。
50%待验证haralickt 的许可证为 MPL-2.0。
50%待验证haralickt 可通过 `pip install haralickt` 安装。
50%待验证haralickt 当前的公开基准集中在 256x256 图像和有限参数组合上,更大尺寸、更多灰度级下的表现仍需社区验证。
50%待验证对于处理小图像,haralickt 相对 CPU 库的加速有限;大图像和批处理场景才是 GPU 真正拉开差距的地方。
50%