CropAndResize

کلاس نهایی عمومی CropAndResize

برش ها را از تانسور تصویر ورودی استخراج می کند و اندازه آنها را تغییر می دهد.

برش‌ها را از تانسور تصویر ورودی استخراج می‌کند و اندازه آنها را با استفاده از نمونه‌گیری دوخطی یا نمونه‌برداری نزدیکترین همسایه (احتمالاً با تغییر نسبت ابعاد) به یک اندازه خروجی معمولی که با «اندازه_برش» مشخص شده است، تغییر اندازه می‌دهد. این کلیتر از عملیات «crop_to_bounding_box» است که یک برش با اندازه ثابت را از تصویر ورودی استخراج می‌کند و اجازه تغییر اندازه یا تغییر نسبت ابعاد را نمی‌دهد.

یک تانسور با «برش» از «تصویر» ورودی در موقعیت‌های تعریف شده در مکان‌های جعبه مرزی در «جعبه‌ها» برمی‌گرداند. اندازه جعبه‌های برش‌خورده (با درون‌یابی دوخطی یا نزدیک‌ترین همسایه) به یک «اندازه = [ارتفاع_برش، عرض_برش]» تغییر می‌کند. نتیجه یک تانسور 4 بعدی «[تعداد_جعبه‌ها، ارتفاع_برش، عرض_برش، عمق]» است. تغییر اندازه در گوشه تراز است. به‌ویژه، اگر «جعبه‌ها = [[0، 0، 1، 1]]»، این روش نتایج یکسانی برای استفاده از «tf.image.resize_bilinear()» یا «tf.image.resize_nearest_neighbor()» (بستگی به آرگومان «روش») با «align_corners=True».

کلاس های تو در تو

کلاس CropAndResize.Options ویژگی های اختیاری برای CropAndResize

ثابت ها

رشته OP_NAME نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

روش های عمومی

خروجی < TFloat32 >
asOutput ()
دسته نمادین تانسور را برمی گرداند.
استاتیک CropAndResize
ایجاد ( دامنه دامنه ، Operand <? گسترش TNumber > تصویر، Operand < TFloat32 > کادرها، Operand < TINT32 > boxInd، Operand < TINT32 > cropSize، گزینه‌های گزینه‌ها... )
روش کارخانه برای ایجاد کلاسی که یک عملیات CropAndResize جدید را بسته بندی می کند.
خروجی < TFloat32 >
محصولات زراعی ()
یک تانسور 4 بعدی با شکل «[تعداد_جعبه‌ها، ارتفاع_برش، عرض_برش، عمق]».
استاتیک CropAndResize.Options
ExtrapolationValue (Float ExtrapolationValue)
استاتیک CropAndResize.Options
روش (روش رشته ای)

روش های ارثی

ثابت ها

رشته نهایی ثابت عمومی OP_NAME

نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود

مقدار ثابت: "CropAndResize"

روش های عمومی

خروجی عمومی < TFloat32 > asOutput ()

دسته نمادین تانسور را برمی گرداند.

ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.

ایجاد CropAndResize ایستا عمومی ( دامنه دامنه ، Operand <? گسترش TNumber > تصویر، Operand < TFloat32 > کادرها، Operand < TInt32 > boxInd، Operand < TINT32 > cropSize، گزینه‌های گزینه‌ها... )

روش کارخانه برای ایجاد کلاسی که یک عملیات CropAndResize جدید را بسته بندی می کند.

مولفه های
محدوده محدوده فعلی
تصویر یک تانسور 4 بعدی با شکل «[دسته، ارتفاع_تصویر، عرض_تصویر، عمق]». «ارتفاع_تصویر» و «عرض_تصویر» باید مثبت باشند.
جعبه ها یک تانسور دوبعدی شکل «[تعداد_جعبه‌ها، 4]». ردیف «i» تانسور مختصات یک کادر را در تصویر «box_ind[i]» مشخص می‌کند و در مختصات عادی «[y1، x1، y2، x2]» مشخص می‌شود. مقدار مختصات نرمال شده «y» به مختصات تصویر در «y * (ارتفاع_تصویر - 1)» نگاشت می‌شود، به طوری که فاصله «[0، 1]» ارتفاع تصویر نرمال شده به «[0، ارتفاع_تصویر - 1» نگاشت می‌شود. ]` در مختصات ارتفاع تصویر. ما به «y1» > «y2» اجازه می‌دهیم، در این صورت برش نمونه‌برداری شده یک نسخه چرخانده شده به بالا به پایین از تصویر اصلی است. بعد عرض به طور مشابه رفتار می شود. مختصات عادی خارج از محدوده «[0، 1]» مجاز است، در این صورت از «برون‌یابی_مقدار» برای برون‌یابی مقادیر تصویر ورودی استفاده می‌کنیم.
boxInd یک تانسور یک بعدی از شکل «[num_boxes]» با مقادیر int32 در «[0، دسته)». مقدار «box_ind[i]» تصویری را مشخص می‌کند که کادر «i» به آن اشاره دارد.
cropSize یک تانسور یک بعدی از دو عنصر، "اندازه = [ارتفاع_برش، عرض_برش]". اندازه تمام وصله های تصویر برش داده شده به این اندازه تغییر می کند. نسبت تصویر محتوای تصویر حفظ نمی شود. هر دو «ارتفاع_برش» و «عرض_برش» باید مثبت باشند.
گزینه ها مقادیر ویژگی های اختیاری را حمل می کند
برمی گرداند
  • یک نمونه جدید از CropAndResize

خروجی عمومی < TFloat32 > محصولات زراعی ()

یک تانسور 4 بعدی با شکل «[تعداد_جعبه‌ها، ارتفاع_برش، عرض_برش، عمق]».

استاتیک عمومی CropAndResize.Options extrapolationValue (Float extrapolationValue)

مولفه های
برون یابی ارزش مقدار مورد استفاده برای برون یابی، در صورت لزوم.

متد استاتیک عمومی CropAndResize.Options (روش رشته)

مولفه های
روش رشته ای که روش نمونه گیری برای تغییر اندازه را مشخص می کند. می‌تواند «دو خطی» یا «نزدیک‌ترین» باشد و به‌طور پیش‌فرض روی «دو خطی» باشد. در حال حاضر دو روش نمونه گیری پشتیبانی می شود: دو خطی و نزدیکترین همسایه.