इनपुट इमेज टेंसर से फसलें निकालता है और उनका आकार बदलता है।
इनपुट इमेज टेंसर से फसलें निकालता है और बिलिनियर सैंपलिंग या निकटतम पड़ोसी सैंपलिंग (संभवतः पहलू अनुपात परिवर्तन के साथ) का उपयोग करके उन्हें 'क्रॉप_साइज' द्वारा निर्दिष्ट सामान्य आउटपुट आकार में आकार देता है। यह `क्रॉप_टू_बाउंडिंग_बॉक्स` ऑप से अधिक सामान्य है जो इनपुट छवि से एक निश्चित आकार का टुकड़ा निकालता है और आकार बदलने या पहलू अनुपात में बदलाव की अनुमति नहीं देता है।
`बक्से` में बाउंडिंग बॉक्स स्थानों पर परिभाषित पदों पर इनपुट `छवि` से `फसल` के साथ एक टेंसर लौटाता है। काटे गए बक्सों का आकार (बिलिनियर या निकटतम पड़ोसी प्रक्षेप के साथ) एक निश्चित `आकार = [फसल_ऊंचाई, फसल_चौड़ाई]` में बदल दिया जाता है। परिणाम एक 4-डी टेंसर `[num_boxes, क्रॉप_हाइट, क्रॉप_विड्थ, डेप्थ]` है। आकार बदलना कोने से संरेखित है। विशेष रूप से, यदि `boxes = [[0, 0, 1, 1]]`, तो विधि `tf.image.resize_bilinear()` या `tf.image.resize_nearest_neighbor()` (पर निर्भर करता है) का उपयोग करने के समान परिणाम देगी `विधि` तर्क) `संरेखण_कोनों=सही` के साथ।
नेस्टेड क्लासेस
| कक्षा | CropAndResize.Options | CropAndResize के लिए वैकल्पिक विशेषताएँ | |
स्थिरांक
| डोरी | OP_NAME | इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है |
सार्वजनिक तरीके
| आउटपुट < TFloat32 > | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
| स्थिर CropAndResize | |
| आउटपुट < TFloat32 > | फसलें () `[संख्या_बॉक्स, फसल_ऊंचाई, फसल_चौड़ाई, गहराई]' आकार का एक 4-डी टेंसर। |
| स्थिर CropAndResize.Options | एक्सट्रपलेशनवैल्यू (फ्लोट एक्सट्रपलेशनवैल्यू) |
| स्थिर CropAndResize.Options | विधि (स्ट्रिंग विधि) |
विरासत में मिली विधियाँ
स्थिरांक
सार्वजनिक स्थैतिक अंतिम स्ट्रिंग OP_NAME
इस ऑप का नाम, जैसा कि TensorFlow कोर इंजन द्वारा जाना जाता है
सार्वजनिक तरीके
सार्वजनिक आउटपुट < TFloat32 > asOutput ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के इनपुट किसी अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
सार्वजनिक स्थैतिक CropAndResize बनाएं ( स्कोप स्कोप, ऑपरेंड <? एक्सटेंड्स TNumber > इमेज, ऑपरेंड < TFloat32 > बॉक्स, ऑपरेंड <TInt32> बॉक्सइंड, ऑपरेंड <TInt32> क्रॉपसाइज, विकल्प... विकल्प)
एक नया CropAndResize ऑपरेशन लपेटकर एक क्लास बनाने की फ़ैक्टरी विधि।
पैरामीटर
| दायरा | वर्तमान दायरा |
|---|---|
| छवि | आकार का एक 4-डी टेंसर `[बैच, छवि_ऊंचाई, छवि_चौड़ाई, गहराई]`। `image_height` और `image_width` दोनों को सकारात्मक होना आवश्यक है। |
| बक्से | `[num_boxes, 4]` आकार का एक 2-डी टेंसर। टेंसर की `i`-वीं पंक्ति `box_ind[i]` छवि में एक बॉक्स के निर्देशांक निर्दिष्ट करती है और सामान्यीकृत निर्देशांक `[y1, x1, y2, x2]` में निर्दिष्ट होती है। `y` का एक सामान्यीकृत समन्वय मान `y * (image_height - 1)` पर छवि समन्वय में मैप किया जाता है, इसलिए `[0, 1]` सामान्यीकृत छवि ऊंचाई का अंतराल `[0, छवि_ऊंचाई - 1) पर मैप किया जाता है ]` छवि ऊंचाई निर्देशांक में। हम `y1` > `y2` की अनुमति देते हैं, इस स्थिति में नमूना फसल मूल छवि का ऊपर-नीचे फ़्लिप संस्करण है। चौड़ाई आयाम को समान रूप से व्यवहार किया जाता है। `[0, 1]` श्रेणी के बाहर सामान्यीकृत निर्देशांक की अनुमति है, इस स्थिति में हम इनपुट छवि मानों को एक्सट्रपलेशन करने के लिए `extrapolation_value` का उपयोग करते हैं। |
| बॉक्सइंड | `[num_boxes]` आकार का 1-डी टेंसर `[0, बैच)` में int32 मानों के साथ। `box_ind[i]` का मान उस छवि को निर्दिष्ट करता है जिसे `i`-th बॉक्स संदर्भित करता है। |
| फसल का आकार | 2 तत्वों का 1-डी टेंसर, `आकार = [फसल_ऊंचाई, फसल_चौड़ाई]`। सभी क्रॉप किए गए छवि पैच का आकार इस आकार में बदल दिया गया है। छवि सामग्री का पक्षानुपात संरक्षित नहीं है. `क्रॉप_हाइट` और `क्रॉप_विड्थ` दोनों को सकारात्मक होना आवश्यक है। |
| विकल्प | वैकल्पिक गुण मान रखता है |
रिटर्न
- CropAndResize का एक नया उदाहरण
सार्वजनिक आउटपुट < TFloat32 > फसलें ()
`[संख्या_बॉक्स, फसल_ऊंचाई, फसल_चौड़ाई, गहराई]' आकार का एक 4-डी टेंसर।
सार्वजनिक स्थैतिक CropAndResize.Options एक्स्ट्रापोलेशनवैल्यू (फ्लोट एक्स्ट्रापोलेशनवैल्यू)
पैरामीटर
| एक्सट्रपलेशनवैल्यू | लागू होने पर एक्सट्रपलेशन के लिए उपयोग किया जाने वाला मूल्य। |
|---|
सार्वजनिक स्थैतिक CropAndResize.Options विधि (स्ट्रिंग विधि)
पैरामीटर
| तरीका | आकार बदलने के लिए नमूनाकरण विधि निर्दिष्ट करने वाली एक स्ट्रिंग। यह या तो ''बिलिनियर'' या ''निकटतम'' हो सकता है और डिफ़ॉल्ट ''बिलिनियर'' हो सकता है। वर्तमान में दो नमूनाकरण विधियाँ समर्थित हैं: बिलिनियर और निकटतम पड़ोसी। |
|---|