python - 将高斯累加在一起的最快方法是什么？

Question

目标： 给定几百个二维坐标预测的列表，我想找到最有可能包含标签的坐标。我还粗略地预测了图像的每个 8x8 像素区域包含地标的可能性。图像的分辨率为 512x512。

方法：（ 使用 Python）我将每个预测表示为单个 2D 图像上的一个小高斯斑点，它会累积添加。高斯斑点的均值是标准值为 1 的预测坐标。

如果两个点彼此接近，我希望它们的高斯值累积相加，以便该区域具有更高的激活。我想选择激活度最高的像素作为最终预测。这是我的意思的图片：

问题：

目前，我正在为每个点生成一个高斯并将其添加到映射中，但这真的很慢。有没有一种数学上等效的方法可以更快地做到这一点？例如，仅将每个预测的像素映射到图像上，然后对其应用一些功能（平滑？）？

还是有什么更聪明的方法可以实现在给定预测列表的情况下选择最有可能的最终预测的相同目标？由于像素值是累积的，峰值像素的值包含一些关于最终预测可能有多“自信”的信息，所以我希望保留这样的东西。我也想使用粗略的可能性信息。

提前致谢。

标签： pythonmachine-learningstatisticscomputer-visionheatmap