Python tf.compat.v1.image.extract_glimpse用法及代码示例

从输入张量中提取一瞥。

用法

tf.compat.v1.image.extract_glimpse(
    input, size, offsets, centered=True, normalized=True, uniform_noise=True,
    name=None
)

参数

input Tensor 类型为 float32 。形状为 [batch_size, height, width, channels] 的 4-D 浮点张量。
size Tensor 类型为 int32 。一个 2 个元素的 1-D 张量，包含要提取的 glimpses 的大小。必须首先指定一瞥高度，然后是一瞥宽度。
offsets Tensor 类型为 float32 。形状为 [batch_size, 2] 的二维整数张量，包含每个窗口中心的 y、x 位置。
centered 可选的 bool 。默认为 True 。指示偏移坐标是否相对于图像居中，在这种情况下， (0, 0) 偏移相对于输入图像的中心。如果为 false，则 (0,0) 偏移量对应于输入图像的左上角。
normalized 可选的 bool 。默认为 True 。指示偏移坐标是否已归一化。
uniform_noise 可选的 bool 。默认为 True 。指示是否应使用均匀分布或高斯分布生成噪声。
name 操作的名称(可选)。

Tensor 类型为 float32 。

从输入张量返回在位置 offsets 处提取的一组称为 glimpses 的窗口。如果窗口仅与输入部分重叠，则非重叠区域将充满随机噪声。

结果是形状为 [batch_size, glimpse_height, glimpse_width, channels] 的 4-D 张量。通道和批次维度与输入张量相同。输出窗口的高度和宽度在size 参数中指定。

参数 normalized 和 centered 控制窗口的构建方式：

如果坐标归一化但未居中，则 0.0 和 1.0 对应于每个高度和宽度维度的最小值和最大值。
如果坐标既归一化又居中，则它们的范围为 -1.0 到 1.0。坐标 (-1.0, -1.0) 对应左上角，右下角位于 (1.0, 1.0)，中心位于 (0, 0)。
如果坐标未标准化，则它们被解释为像素数。

使用示例：

x = [[[[0.0],
          [1.0],
          [2.0]],
         [[3.0],
          [4.0],
          [5.0]],
         [[6.0],
          [7.0],
          [8.0]]]]
tf.compat.v1.image.extract_glimpse(x, size=(2, 2), offsets=[[1, 1]],
                                   centered=False, normalized=False)
<tf.Tensor:shape=(1, 2, 2, 1), dtype=float32, numpy=
array([[[[0.],
         [1.]],
        [[3.],
         [4.]]]], dtype=float32)>

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.image.extract_glimpse。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。