StatelessSampleDistortedBoundingBox

Детерминированно сгенерируйте случайно искаженную ограничивающую рамку для изображения.

Аннотации ограничивающего прямоугольника часто предоставляются в дополнение к основным меткам в задачах распознавания изображений или локализации объектов. Распространенным методом обучения такой системы является случайное искажение изображения с сохранением его содержания, т. е. увеличение данных . Эта операция, учитывая одно и то же начальное значение, детерминированно выводит случайно искаженную локализацию объекта, то есть ограничивающую рамку с учетом размера изображения, ограничивающих_боксов и ряда ограничений.

Результатом этой операции является единая ограничивающая рамка, которую можно использовать для обрезки исходного изображения. Выходные данные возвращаются в виде трех тензоров: «begin», «size» и «bboxes». Первые два тензора можно передать непосредственно в tf.slice для обрезки изображения. Последний может быть передан в `tf.image.draw_bounding_boxes`, чтобы визуализировать, как выглядит ограничивающая рамка.

Ограничительные рамки предоставляются и возвращаются как `[y_min, x_min, y_max, x_max]`. Координаты ограничивающего прямоугольника представляют собой числа с плавающей запятой в `[0.0, 1.0]` относительно ширины и высоты основного изображения.

Выходные данные этой операции гарантированно будут одинаковыми при наличии одного и того же «начального числа» и не зависят от того, сколько раз вызывается функция, а также от глобальных настроек начального числа (например, «tf.random.set_seed»).

Пример использования:

>>> image = np.array([[[1], [2], [3]], [[4], [5], [6]], [[7], [8], [9] ]]) >>> bbox = tf.constant( ... [0.0, 0.0, 1.0, 1.0], dtype=tf.float32, shape=[1, 1, 4]) >>> семя = (1, 2) ) >>> # Создайте одиночную искаженную ограничивающую рамку. >>> bbox_begin, bbox_size, bbox_draw = ( ... tf.image.stateless_sample_distorted_bounding_box( ... tf.shape(image),bounding_boxes=bbox,seed=seed)) >>> # Используйте ограничивающую рамку для искажения изображения . >>> tf.slice(изображение, bbox_begin, bbox_size) >>> # Нарисуйте ограничивающую рамку в сводке изображения. >>> цвета = np.array([[1.0, 0.0, 0.0], [0.0, 0.0, 1.0]]) >>> tf.image.draw_bounding_boxes( ... tf.expand_dims(tf.cast(image, tf .float32),0), bbox_draw, цвета)

Обратите внимание: если информация об ограничивающей рамке недоступна, установка `use_image_if_no_bounding_boxes = true` будет предполагать, что существует одна неявная ограничивающая рамка, охватывающая все изображение. Если `use_image_if_no_bounding_boxes` имеет значение false и ограничивающие рамки не указаны, возникает ошибка.