tensorflow:: عملیات:: برش و تغییر اندازه

برش‌ها را از تانسور تصویر ورودی استخراج کرده و اندازه آنها را تغییر می‌دهد.

خلاصه

برش‌ها را از تانسور تصویر ورودی استخراج می‌کند و با استفاده از نمونه‌گیری دوخطی یا نمونه‌گیری نزدیکترین همسایه (احتمالاً با تغییر نسبت ابعاد) آنها را به یک اندازه خروجی مشترک که توسط crop_size مشخص شده است، تغییر اندازه می‌دهد. این عمومی‌تر از تابع crop_to_bounding_box است که یک برش با اندازه ثابت از تصویر ورودی استخراج می‌کند و اجازه تغییر اندازه یا تغییر نسبت ابعاد را نمی‌دهد.

یک تانسور با crops از image ورودی در موقعیت‌های تعریف‌شده در مکان‌های کادر مرزی در boxes برمی‌گرداند. کادرهای برش‌خورده همگی (با درون‌یابی دوخطی یا نزدیکترین همسایه) به size = [crop_height, crop_width] تغییر اندازه می‌دهند. نتیجه یک تانسور چهاربعدی [num_boxes, crop_height, crop_width, depth] است. تغییر اندازه از نظر گوشه تراز شده است. به طور خاص، اگر boxes = [[0, 0, 1, 1]] باشد، این متد نتایج یکسانی با استفاده از tf.image.resize_bilinear() یا tf.image.resize_nearest_neighbor() (بستگی به آرگومان method دارد) با align_corners=True ارائه می‌دهد.

استدلال‌ها:

• دامنه: یک شیء دامنه
• تصویر: یک تانسور چهاربعدی با شکل [batch, image_height, image_width, depth] . هر دو image_height و image_width باید مثبت باشند.
• جعبه‌ها: یک تانسور دوبعدی به شکل [num_boxes, 4] . ردیف i ام تانسور، مختصات یک جعبه را در تصویر box_ind[i] مشخص می‌کند و در مختصات نرمال‌شده [y1, x1, y2, x2] مشخص شده است. مقدار مختصات نرمال‌شده y به مختصات تصویر در y * (image_height - 1) نگاشت می‌شود، بنابراین بازه [0, 1] ارتفاع تصویر نرمال‌شده به [0, image_height - 1] در مختصات ارتفاع تصویر نگاشت می‌شود. ما اجازه می‌دهیم y1 > y2 ، که در این صورت برش نمونه‌برداری شده یک نسخه وارونه از تصویر اصلی است. با بعد عرض نیز به طور مشابه رفتار می‌شود. مختصات نرمال‌شده خارج از محدوده [0, 1] مجاز هستند، که در این صورت extrapolation_value برای برون‌یابی مقادیر تصویر ورودی استفاده می‌کنیم.
• box_ind: یک تانسور یک بعدی به شکل [num_boxes] با مقادیر int32 در [0, batch) . مقدار box_ind[i] تصویری را که کادر i به آن اشاره می‌کند، مشخص می‌کند.
• اندازه برش (crop_size): یک تانسور یک بعدی با دو عنصر، size = [crop_height, crop_width] . تمام تکه‌های تصویر برش داده شده به این اندازه تغییر اندازه می‌دهند. نسبت ابعاد محتوای تصویر حفظ نمی‌شود. هر دو crop_height و crop_width باید مثبت باشند.

ویژگی‌های اختیاری (به Attrs مراجعه کنید):

• متد: رشته‌ای که روش نمونه‌برداری برای تغییر اندازه را مشخص می‌کند. می‌تواند "bilinear" یا "nearest" باشد و پیش‌فرض آن "bilinear" است. در حال حاضر دو روش نمونه‌برداری پشتیبانی می‌شوند: دوخطی و نزدیکترین همسایه.
• مقدار برون‌یابی: مقداری که در صورت لزوم برای برون‌یابی استفاده می‌شود.

بازده:

• Output : یک تانسور چهاربعدی به شکل [num_boxes, crop_height, crop_width, depth] .

ویژگی‌های 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
)