tensorflow :: ops :: CropAndResize

محصولات را از تانسور تصویر ورودی استخراج کرده و اندازه آنها را تغییر می دهد.

خلاصه

محصولات را از تانسور تصویر ورودی استخراج کرده و با استفاده از نمونه برداری دو خطی یا نمونه برداری از نزدیکترین همسایه (احتمالاً با تغییر نسبت ابعاد) اندازه آنها را به اندازه خروجی مشترک مشخص شده توسط crop_size . این حالت عمومی تر از crop_to_bounding_box op است که یک برش اندازه ثابت را از تصویر ورودی استخراج می کند و اجازه تغییر اندازه یا تغییر نسبت تصویر را نمی دهد.

یک تنسور با crops از image ورودی image در موقعیت های تعیین شده در مکان boxes محدود در boxes برمی گرداند. جعبه های بریده شده همه با اندازه داخلی (با دو خطی یا نزدیکترین همسایه) به size = [crop_height, crop_width] ثابت size = [crop_height, crop_width] . نتیجه یک تانسور 4 بعدی است [num_boxes, crop_height, crop_width, depth] . تغییر اندازه در گوشه ای تراز شده است. به طور خاص ، اگر boxes = [[0, 0, 1, 1]] ، روش نتایج یکسانی را با استفاده از tf.image.resize_bilinear() یا tf.image.resize_nearest_neighbor() (به استدلال method بستگی دارد) با align_corners=True است

استدلال ها:

• دامنه: یک شی Sc Scope
• تصویر: یک تانسور 4 بعدی از شکل [batch, image_height, image_width, depth] . image_height و image_width باید مثبت باشند.
• جعبه ها: یک تانسور دو بعدی شکل [num_boxes, 4] . ردیف i تنسور مختصات یک کادر را در تصویر box_ind[i] مشخص می کند و در مختصات نرمال [y1, x1, y2, x2] . مقدار مختصات نرمال شده از y در مختصات تصویر در y * (image_height - 1) ، بنابراین همانطور که فاصله [0, 1] ارتفاع تصویر نرمال شده در مختصات ارتفاع تصویر به [0, image_height - 1] ارتفاع تصویر [0, image_height - 1] ترسیم می شود. ما y1 > y2 را مجاز می دانیم ، در این حالت برش نمونه برداری شده یک نسخه واژگون شده از تصویر اصلی است. بعد عرض نیز به طور مشابه رفتار می شود. مختصات عادی خارج از محدوده [0, 1] مجاز است ، در این حالت ما از extrapolation_value برای برون یابی مقادیر تصویر ورودی استفاده می کنیم.
• box_ind: یک سنسور 1-D شکل [num_boxes] با مقادیر int32 در [0, batch) . مقدار box_ind[i] تصویری را که جعبه i -th به آن اشاره دارد مشخص می کند.
• crop_size: تنسور 1 بعدی از 2 عنصر ، size = [crop_height, crop_width] . اندازه تمام وصله های تصویر بریده شده به این اندازه تغییر می کند. نسبت ابعاد محتوای تصویر حفظ نشده است. crop_height و crop_width باید مثبت باشند.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• روش: رشته ای که روش نمونه برداری برای تغییر اندازه را مشخص می کند. می تواند "bilinear" یا "nearest" و به طور پیش فرض "bilinear" باشد. در حال حاضر دو روش نمونه گیری پشتیبانی می شود: Bilinear و Nearest Neighbor.
• extrapolation_value: مقداری که برای برون یابی استفاده می شود ، در صورت لزوم.

بازده:

• Output : یک [num_boxes, crop_height, crop_width, depth] 4 بعدی از شکل [num_boxes, crop_height, crop_width, depth] .

صفات عمومی

::tensorflow::Output crops

Operation operation

 CropAndResize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input image,
  ::tensorflow::Input boxes,
  ::tensorflow::Input box_ind,
  ::tensorflow::Input crop_size
)

 CropAndResize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input image,
  ::tensorflow::Input boxes,
  ::tensorflow::Input box_ind,
  ::tensorflow::Input crop_size,
  const CropAndResize::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs ExtrapolationValue(
  float x
)

Attrs Method(
  StringPiece x
)