关于变化检测预测，重叠区域的策略问题。

[YuQi9797]

https://github.com/PaddlePaddle/PaddleRS/blob/f62b46fd7fffc7429565c69f7ee4b0984efe64f2/paddlers/tasks/utils/slider_predict.py#L191

作者您好，在AccumProcessor这个处理机制中，

    def process_pred(self, out, xoff, yoff):
        if self.prev_yoff is not None and yoff != self.prev_yoff:
            if yoff < self.prev_yoff:
                raise RuntimeError
            self.cache.roll_cache(yoff - self.prev_yoff)
        pred = out['label_map']
        pred = pred[:self.ch, :self.cw]
        prob = out['score_map']
        prob = prob[:self.ch, :self.cw]
        if self.assign_weight:
            prob = assign_border_weights(prob, border_ratio=0.25, inplace=True)
        self.cache.update_block(0, xoff, self.ch, self.cw, prob)
        pred = self.cache.get_block(0, xoff, self.ch, self.cw)
        self.prev_yoff = yoff
        return pred

这里的判断runtimeError 是通过 yoff< self.prev_yoff ， 这里用 y 方向 是因为 在图像分块的过程中，是按行优先进行的分块，y只会以递增的情况出现吗？（https://github.com/PaddlePaddle/PaddleRS/blob/develop/paddlers/tasks/utils/slider_predict.py#L474）

如果我是以列优先分块，这里是否要改为xoff 进行判断

[Bobholamovic]

是的，这时因为PaddleRS滑窗推理的分块策略是行优先，如果以列优先分块，需要对应改写相关逻辑。

[YuQi9797]

谢谢您的回答，由于我的代码理解能力有限，还想请问下 如果以列优先，是否只需要修改AccumProcessor呢？
只需要修改第一个判断条件吗？

        if self.prev_xoff is not None and xoff != self.prev_xoff:
            if xoff < self.prev_xoff:
                raise RuntimeError
            self.cache.roll_cache(xoff - self.prev_xoff)

还是说

self.cache.update_block(0, xoff, self.ch, self.cw, prob)
        pred = self.cache.get_block(0, xoff, self.ch, self.cw)

这段代码也要相应修改。

[Bobholamovic]

需要修改的地方可能不止这两处，例如循环的内外层也需要调换，改写起来可能会比较困难，我暂时也无法确定全部需要改动的位置。请问是为什么需要列优先的分块策略哦？

[YuQi9797]

由于我的输入图像并非两张大小完全一致的图像，因此我对输入图像进行了处理，得到两张图在其公共区域对应的索引。该索引是以列优先得到的，因此在对图像进行预测时，坐标索引是列优先开始的。 导致我使用accum策略时出错， 需要改为以列索引的。 目前看来只有修改前期处理图像部分了 ORL

[Bobholamovic]

好吧，看起来比起修改滑窗推理逻辑，修改预处理部分或许会更省力一些～

[YuQi9797]

感谢!