tensorflow :: ops :: SampleDistortedBoundingBoxV2

برای تصویر یک جعبه محدود منحصر به فرد تحریف شده ایجاد کنید.

خلاصه

حاشیه نویسی های جعبه محدود اغلب در کارهای تشخیص تصویر یا محلی سازی اشیا image علاوه بر برچسب های حقیقت زمین ارائه می شوند. یک روش معمول برای آموزش چنین سیستمی تحریف تصادفی تصویری است ضمن حفظ محتوای آن ، یعنی افزایش داده ها . این Op با استفاده از یک image_size ، یک image_size bounding_boxes و یک سری محدودیت ، یک محلی سازی به طور تصادفی تحریف شده از یک شی ، به عنوان مثال جعبه image_size ، را ایجاد می کند.

خروجی این Op یک جعبه محدود است که ممکن است برای برش تصویر اصلی استفاده شود. خروجی به عنوان 3 bboxes begin : begin ، size و bboxes . 2 tf.slice اول را می توان مستقیماً به tf.slice برش داد تا تصویر را برش دهد. مورد دوم ممکن است به tf.image.draw_bounding_boxes ارائه شود تا جعبه محدود به نظر برسد.

جعبه های [y_min, x_min, y_max, x_max] به صورت [y_min, x_min, y_max, x_max] . مختصات جعبه محدود به نسبت عرض و ارتفاع تصویر زیر در [0.0, 1.0] شناور است.

مثلا،

    # Generate a single distorted bounding box.
    begin, size, bbox_for_draw = tf.image.sample_distorted_bounding_box(
        tf.shape(image),
        bounding_boxes=bounding_boxes)

    # Draw the bounding box in an image summary.
    image_with_box = tf.image.draw_bounding_boxes(tf.expand_dims(image, 0),
                                                  bbox_for_draw)
    tf.summary.image('images_with_box', image_with_box)

    # Employ the bounding box to distort the image.
    distorted_image = tf.slice(image, begin, size)

توجه داشته باشید که اگر اطلاعات جعبه محدود در دسترس نیست ، با استفاده use_image_if_no_bounding_boxes = true ، فرض می شود که یک جعبه محدود ضمنی وجود دارد که کل تصویر را پوشش می دهد. اگر use_image_if_no_bounding_boxes نادرست باشد و هیچ جعبه محدود کننده ای ارائه نشود ، خطایی ایجاد می شود.

استدلال ها:

• دامنه: یک شی Sc Scope
• اندازه_ تصویر: 1-D ، حاوی [height, width, channels] .
• binding_boxes: 3-D با شکل [batch, N, 4] توصیف جعبه های محدود کننده N مرتبط با تصویر.
• min_object_closed: قسمت برش خورده تصویر باید حداقل حاوی این بخش از هر جعبه محدود ارائه شده باشد. مقدار این پارامتر باید منفی نباشد. در مورد 0 ، منطقه برش خورده نیازی به همپوشانی هیچ یک از جعبه های مرزی ارائه نشده ندارد.

ویژگی های اختیاری (به Attrs مراجعه کنید):

• seed: اگر seed یا seed2 روی صفر تنظیم شود ، مولد اعداد تصادفی توسط seed داده شده seed . در غیر این صورت ، توسط یک بذر تصادفی بذر می شود.
• seed2: دانه دوم برای جلوگیری از برخورد بذر.
• aspect_ratio_range: ناحیه بریده شده تصویر باید دارای نسبت ابعاد = عرض / ارتفاع در این محدوده باشد.
• area_range: ناحیه برش خورده تصویر باید شامل کسری از تصویر ارائه شده در این محدوده باشد.
• max_attempts: تعداد تلاش ها برای ایجاد یک منطقه بریده شده از تصویر محدودیت های مشخص شده. پس از شکست max_attempts ، کل تصویر را برگردانید.
• use_image_if_no_bounding_boxes: در صورت عدم ارائه جعبه محدود کننده ، رفتار را کنترل می کند. اگر درست است ، یک جعبه محدود کننده ضمنی را در نظر بگیرید که کل ورودی را پوشانده باشد. در صورت نادرست بودن ، خطایی را مطرح کنید.

بازده:

• شروع Output : 1-D ، حاوی [offset_height, offset_width, 0] . به عنوان ورودی tf.slice .
• اندازه Output : 1-D ، حاوی [target_height, target_width, -1] . به عنوان ورودی tf.slice .
• جعبه های Output : 3-D با شکل [1, 1, 4] حاوی جعبه محدود تحریف شده. به عنوان ورودی tf.image.draw_bounding_boxes .

صفات عمومی

::tensorflow::Output bboxes

::tensorflow::Output begin

Operation operation

::tensorflow::Output size

 SampleDistortedBoundingBoxV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input image_size,
  ::tensorflow::Input bounding_boxes,
  ::tensorflow::Input min_object_covered
)

 SampleDistortedBoundingBoxV2(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input image_size,
  ::tensorflow::Input bounding_boxes,
  ::tensorflow::Input min_object_covered,
  const SampleDistortedBoundingBoxV2::Attrs & attrs
)

Attrs AreaRange(
  const gtl::ArraySlice< float > & x
)

Attrs AspectRatioRange(
  const gtl::ArraySlice< float > & x
)

Attrs MaxAttempts(
  int64 x
)

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)

Attrs UseImageIfNoBoundingBoxes(
  bool x
)