Python tf.image.extract_glimpse用法及代碼示例

從輸入張量中提取一瞥。

用法

tf.image.extract_glimpse(
    input, size, offsets, centered=True, normalized=True, noise='uniform',
    name=None
)

參數

input Tensor 類型為 float32 。形狀為 [batch_size, height, width, channels] 的 4-D 浮點張量。
size Tensor 類型為 int32 。一個 2 個元素的 1-D 張量，包含要提取的 glimpses 的大小。必須首先指定一瞥高度，然後是一瞥寬度。
offsets Tensor 類型為 float32 。形狀為 [batch_size, 2] 的二維整數張量，包含每個窗口中心的 y、x 位置。
centered 可選的 bool 。默認為 True 。指示偏移坐標是否相對於圖像居中，在這種情況下， (0, 0) 偏移相對於輸入圖像的中心。如果為 false，則 (0,0) 偏移量對應於輸入圖像的左上角。
normalized 可選的 bool 。默認為 True 。指示偏移坐標是否已歸一化。
noise 可選的 string 。默認為 uniform 。指示噪聲應該是uniform(均勻分布)、gaussian(高斯分布)還是zero(零填充)。
name 操作的名稱(可選)。

Tensor 類型為 float32 。

從輸入張量返回在位置 offsets 處提取的一組稱為 glimpses 的窗口。如果窗口僅與輸入部分重疊，則非重疊區域將充滿隨機噪聲。

結果是形狀為 [batch_size, glimpse_height, glimpse_width, channels] 的 4-D 張量。通道和批次維度與輸入張量相同。輸出窗口的高度和寬度在size 參數中指定。

參數 normalized 和 centered 控製窗口的構建方式：

如果坐標歸一化但未居中，則 0.0 和 1.0 對應於每個高度和寬度維度的最小值和最大值。
如果坐標既歸一化又居中，則它們的範圍為 -1.0 到 1.0。坐標 (-1.0, -1.0) 對應左上角，右下角位於 (1.0, 1.0)，中心位於 (0, 0)。
如果坐標未標準化，則它們被解釋為像素數。

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)>

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.image.extract_glimpse。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。