CropAndResize

CropAndResize คลาสสุดท้ายสาธารณะ

แยกพืชผลจากเทนเซอร์รูปภาพอินพุตและปรับขนาด

แยกการครอบตัดจากเทนเซอร์รูปภาพอินพุตและปรับขนาดโดยใช้การสุ่มตัวอย่างแบบไบลิเนียร์หรือการสุ่มตัวอย่างใกล้เคียงที่สุด (อาจมีการเปลี่ยนแปลงอัตราส่วนภาพ) เป็นขนาดเอาต์พุตทั่วไปที่ระบุโดย `crop_size` นี่เป็นลักษณะทั่วไปมากกว่า op `crop_to_bounding_box` ซึ่งจะแยกส่วนที่มีขนาดคงที่ออกจากรูปภาพอินพุต และไม่อนุญาตให้เปลี่ยนการปรับขนาดหรืออัตราส่วนภาพ

ส่งกลับเทนเซอร์ที่มี "ครอบตัด" จากอินพุต "รูปภาพ" ที่ตำแหน่งที่กำหนดไว้ที่ตำแหน่งกรอบขอบใน "กล่อง" กล่องที่ครอบตัดจะถูกปรับขนาดทั้งหมด (โดยมีการแก้ไขแบบไบลิเนียร์หรือใกล้เคียงที่สุด) ให้เป็น `size = [crop_height, crop_width]` คงที่ ผลลัพธ์ที่ได้คือเทนเซอร์ 4 มิติ `[num_boxes, crop_height, crop_width, ความลึก]` การปรับขนาดจะจัดชิดมุม โดยเฉพาะอย่างยิ่ง หาก `boxes = [[0, 0, 1, 1]]` วิธีการจะให้ผลลัพธ์ที่เหมือนกันกับการใช้ `tf.image.resize_bilinear()` หรือ `tf.image.resize_nearest_neighbor()`(ขึ้นอยู่กับ อาร์กิวเมนต์ `method`) ด้วย `align_corners=True`

คลาสที่ซ้อนกัน

ระดับ

CropAndResize.Options

แอตทริบิวต์เพิ่มเติมสำหรับ CropAndResize

ค่าคงที่

สตริง

OP_NAME

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

วิธีการสาธารณะ

เอาท์พุต < TFloat32 >	เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
CropAndResize แบบคงที่	สร้าง ( ขอบเขต ขอบเขต ตัวดำเนินการ <? ขยาย TNumber > รูปภาพ ตัวดำเนินการ < TFloat32 > กล่อง ตัวดำเนินการ < TInt32 > boxInd, ตัวดำเนินการ < TInt32 > cropSize, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ CropAndResize ใหม่
เอาท์พุต < TFloat32 >	พืชผล () เทนเซอร์ 4 มิติของรูปร่าง `[num_boxes, crop_height, crop_width, ความลึก]`
CropAndResize.Options แบบคงที่	การคาดการณ์ค่า (ค่าการคาดการณ์แบบลอยตัว)
CropAndResize.Options แบบคงที่	วิธีการ (วิธีสตริง)

วิธีการสืบทอด

จากคลาส org.tensorflow.op.RawOp

บูลีนสุดท้าย	เท่ากับ (วัตถุ obj)
int สุดท้าย	แฮชโค้ด ()
การดำเนินการ	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ Operation เดียว
สตริงสุดท้าย	toString ()

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

จากอินเทอร์เฟ ซ org.tensorflow.op.Op

บทคัดย่อ ExecutionEnvironment	สิ่งแวดล้อม () ส่งคืนสภาพแวดล้อมการดำเนินการที่ op นี้ถูกสร้างขึ้น
การดำเนินการ ที่เป็นนามธรรม	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ Operation เดียว

จากอินเทอร์ เฟซ org.tensorflow.Operand

เอาต์พุต นามธรรม < TFloat32 >	เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
นามธรรม TFloat32	แอสเทนเซอร์ () ส่งกลับเทนเซอร์ที่ตัวถูกดำเนินการนี้
รูปร่าง นามธรรม	รูปร่าง () ส่งกลับรูปร่าง (อาจทราบได้บางส่วน) ของเทนเซอร์ที่อ้างอิงโดย Output ของตัวถูกดำเนินการนี้
คลาสนามธรรม < TFloat32 >	พิมพ์ () ส่งกลับประเภทเทนเซอร์ของตัวถูกดำเนินการนี้

จากอินเทอร์ เฟซ org.tensorflow.ndarray.Shaped

บทคัดย่อ	อันดับ ()
รูปร่าง นามธรรม	รูปร่าง ()
ยาวเป็นนามธรรม	ขนาด () คำนวณและส่งกลับขนาดรวมของคอนเทนเนอร์นี้เป็นจำนวนค่า

ค่าคงที่

สตริงสุดท้ายแบบคงที่สาธารณะ OP_NAME

ชื่อของ op นี้ ซึ่งรู้จักกันในชื่อของเอ็นจิ้นหลัก TensorFlow

ค่าคงที่: "CropAndResize"

วิธีการสาธารณะ

เอาท์พุท สาธารณะ < TFloat32 > asOutput ()

ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์

อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต

สร้าง CropAndResize คงที่สาธารณะ (ขอบเขต ขอบเขต ตัวดำเนินการ <? ขยาย TNumber > รูปภาพ ตัวดำเนินการ < TFloat32 > กล่อง ตัวดำเนินการ < TInt32 > boxInd, ตัวดำเนินการ < TInt32 > cropSize ตัวเลือก... ตัวเลือก)

วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ CropAndResize ใหม่

พารามิเตอร์

ขอบเขต	ขอบเขตปัจจุบัน
ภาพ	เทนเซอร์ 4 มิติของรูปร่าง `[แบทช์, image_height, image_width, ความลึก]` ทั้ง `image_height` และ `image_width` จะต้องเป็นบวก
กล่อง	เทนเซอร์ 2 มิติของรูปร่าง `[num_boxes, 4]` `แถวที่ i` ของเทนเซอร์ระบุพิกัดของกล่องในรูปภาพ `box_ind[i]` และระบุไว้ในพิกัดมาตรฐาน `[y1, x1, y2, x2]` ค่าพิกัดที่ทำให้เป็นมาตรฐานของ `y` ถูกแมปกับพิกัดของภาพที่ `y * (image_height - 1)` ดังนั้น เนื่องจากช่วง `[0, 1]` ของความสูงของรูปภาพที่ทำให้เป็นมาตรฐานจะถูกแมปกับ `[0, image_height - 1 ]` ในพิกัดความสูงของภาพ เราอนุญาตให้ใช้ `y1` > `y2` ซึ่งในกรณีนี้การครอบตัดตัวอย่างจะเป็นเวอร์ชันพลิกขึ้นลงของรูปภาพต้นฉบับ มิติความกว้างได้รับการปฏิบัติในทำนองเดียวกัน อนุญาตให้ใช้พิกัดที่ทำให้เป็นมาตรฐานนอกช่วง `[0, 1]` ได้ ซึ่งในกรณีนี้เราใช้ `การประมาณค่า_ค่า` เพื่อประมาณค่ารูปภาพที่ป้อนเข้า
กล่องInd	เทนเซอร์ 1 มิติของรูปร่าง `[num_boxes]` ที่มีค่า int32 ใน `[0, แบทช์)` ค่าของ `box_ind[i]` ระบุรูปภาพที่กล่อง `i`-th อ้างถึง
ขนาดครอบตัด	เทนเซอร์ 1-D ของ 2 องค์ประกอบ `size = [crop_height, crop_width]` แพตช์ภาพที่ครอบตัดทั้งหมดจะถูกปรับขนาดเป็นขนาดนี้ อัตราส่วนภาพของเนื้อหาภาพไม่คงอยู่ ทั้ง `crop_height` และ `crop_width` จะต้องเป็นบวก
ตัวเลือก	มีค่าแอตทริบิวต์ทางเลือก

การส่งคืน

• อินสแตนซ์ใหม่ของ CropAndResize

ผลผลิต สาธารณะ < TFloat32 > พืชผล ()

เทนเซอร์ 4 มิติของรูปร่าง `[num_boxes, crop_height, crop_width, ความลึก]`

สาธารณะ CropAndResize.Options คง ที่การคาดการณ์ค่า (การคาดการณ์ค่าลอยตัว)

พารามิเตอร์

การอนุมานค่า	ค่าที่ใช้สำหรับการประมาณค่า ถ้ามี

วิธีการ CropAndResize.Options แบบคงที่สาธารณะ (วิธี String)

พารามิเตอร์

วิธี	สตริงที่ระบุวิธีการสุ่มตัวอย่างสำหรับการปรับขนาด อาจเป็น `"บิลิเนียร์"` หรือ `"ใกล้ที่สุด"` และตั้งค่าเริ่มต้นเป็น `"บิลิเนียร์"` ปัจจุบันรองรับวิธีการสุ่มตัวอย่างสองวิธี: Bilinear และ Nearest Neighbor