tensorflow:: ops:: SampleDistortedBoundingBox

Wygeneruj pojedynczy, losowo zniekształcony prostokąt ograniczający obraz.

Streszczenie

Adnotacje w postaci prostokątów ograniczających są często dostarczane oprócz etykiet referencyjnych w zadaniach rozpoznawania obrazu lub lokalizacji obiektów. Powszechną techniką trenowania takiego systemu jest losowe zniekształcanie obrazu z zachowaniem jego zawartości, czyli augmentacja danych . Ta operacja generuje losowo zniekształconą lokalizację obiektu, czyli prostokąt ograniczający, na podstawie parametrów image_size , bounding_boxes i serii ograniczeń.

Wynikiem tej operacji jest pojedynczy prostokąt ograniczający, który można wykorzystać do przycięcia oryginalnego obrazu. Wynik jest zwracany w postaci 3 tensorów: begin , size i bboxes . Pierwsze 2 tensory można przekazać bezpośrednio do tf.slice w celu przycięcia obrazu. Ten ostatni można przekazać do tf.image.draw_bounding_boxes , aby zwizualizować wygląd prostokąta ograniczającego.

Pola ograniczające są dostarczane i zwracane jako [y_min, x_min, y_max, x_max] . Współrzędne pola ograniczającego są liczbami zmiennoprzecinkowymi w zakresie [0.0, 1.0] względem szerokości i wysokości obrazu bazowego.

Na przykład,

    # 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)

Należy pamiętać, że jeśli nie są dostępne żadne informacje o polu ograniczającym, ustawienie use_image_if_no_bounding_boxes = true spowoduje założenie, że istnieje pojedyncze, niejawne pole ograniczające obejmujące cały obraz. Jeśli use_image_if_no_bounding_boxes ma wartość false i nie podano żadnych pól ograniczających, zgłaszany jest błąd.

Argumenty:

• zakres: obiekt zakresu
• image_size: 1-D, zawierający [height, width, channels] .
• bounding_boxes: 3-D o kształcie [batch, N, 4] opisującym N pól ograniczających powiązanych z obrazem.

Atrybuty opcjonalne (patrz Attrs ):

• seed: Jeśli albo seed , albo seed2 są ustawione na wartość różną od zera, generator liczb losowych jest zasiewany na podstawie podanego seed . W przeciwnym razie, zasiewany jest na podstawie ziarna losowego.
• seed2: Drugie nasiono zapobiegające kolizji nasion.
• min_object_covered: Przycięty obszar obrazu musi zawierać co najmniej taką część dowolnego podanego pola ograniczającego. Wartość tego parametru powinna być nieujemna. W przypadku wartości 0, przycięty obszar nie musi nachodzić na żadne z podanych pól ograniczających.
• aspect_ratio_range: Przycięty obszar obrazu musi mieć współczynnik proporcji = szerokość / wysokość mieszczący się w tym zakresie.
• area_range: Przycięty obszar obrazu musi zawierać część dostarczonego obrazu w tym zakresie.
• max_attempts: Liczba prób wygenerowania przyciętego obszaru obrazu z określonymi ograniczeniami. W przypadku nieudanych max_attempts , zwróć cały obraz.
• use_image_if_no_bounding_boxes: Kontroluje zachowanie, jeśli nie podano żadnych pól ograniczających. Jeśli wartość to true, zakłada się, że pole ograniczające obejmuje całe dane wejściowe. Jeśli wartość to false, zgłaszany jest błąd.

Zwroty:

• Początek Output : 1-D, zawierający [offset_height, offset_width, 0] . Przekaż jako dane wejściowe do tf.slice .
• Rozmiar Output : 1-D, zawierający [target_height, target_width, -1] . Podaj jako dane wejściowe do tf.slice .
• Output pola bbox: 3-D o kształcie [1, 1, 4] zawierające zniekształcony blok ograniczający. Podaj jako dane wejściowe do tf.image.draw_bounding_boxes .

Atrybuty publiczne

::tensorflow::Output bboxes

::tensorflow::Output begin

Operation operation

::tensorflow::Output size

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

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

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

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

Attrs MaxAttempts(
  int64 x
)

Attrs MinObjectCovered(
  float x
)

Attrs Seed(
  int64 x
)

Attrs Seed2(
  int64 x
)

Attrs UseImageIfNoBoundingBoxes(
  bool x
)