tensorflow :: ops :: تغییر اندازه منطقه

اندازه images را با استفاده از درون یابی منطقه به size تغییر دهید.

خلاصه

تصاویر ورودی می توانند انواع مختلفی داشته باشند اما تصاویر خروجی همیشه شناور هستند.

دامنه مقادیر پیکسل برای تصویر خروجی به دلیل دقت عددی محدود ممکن است کمی از دامنه برای تصویر ورودی متفاوت باشد. برای تضمین دامنه خروجی ، به عنوان مثال [0.0, 1.0] ، tf.clip_by_value را روی خروجی اعمال کنید.

هر پیکسل خروجی با تبدیل رد پای پیکسل به تنسور ورودی و سپس میانگین پیکسل هایی که ردپای را قطع می کنند محاسبه می شود. سهم پیکسل ورودی به طور متوسط ​​با کسری از مساحت آن که رد پا را قطع می کند ، وزن می شود. این همان INTER_AREA OpenCV است.

استدلال ها:

• دامنه: یک شی Sc Scope
• تصاویر: 4-D با شکل [batch, height, width, channels] .
• اندازه: = A 1-D int32 تانسور از 2 عنصر است: new_height, new_width . اندازه جدید برای تصاویر.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• align_corners: اگر درست باشد ، مراکز 4 پیکسل گوشه ای سنسورهای ورودی و خروجی تراز می شوند و مقادیر پیکسل های گوشه را حفظ می کنند. پیش فرض ها به نادرست است.

بازده:

• Output : 4-D با شکل [batch, new_height, new_width, channels] .

صفات عمومی

Operation operation

::tensorflow::Output resized_images

 ResizeArea(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input images,
  ::tensorflow::Input size
)

 ResizeArea(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input images,
  ::tensorflow::Input size,
  const ResizeArea::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs AlignCorners(
  bool x
)