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

从输入张量中提取一瞥。

用法

tf.image.extract_glimpse(
    input, size, offsets, centered=True, normalized=True, noise='uniform',
    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。
noise 可选的 string 。默认为 uniform 。指示噪声应该是uniform(均匀分布)、gaussian(高斯分布)还是zero(零填充)。
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.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([[[[4.],
         [5.]],
        [[7.],
         [8.]]]], 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.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。