جریان تنسور:: عملیات:: DrawBoundingBoxesV2
#include <image_ops.h>بر روی دسته ای از تصاویر، کادرهای مرزی را رسم کنید.
خلاصه
یک کپی از images را خروجی می‌دهد اما بالای پیکسل‌ها، جعبه‌های مرزی صفر یا بیشتر مشخص‌شده توسط مکان‌های داخل boxes را ترسیم می‌کند. مختصات هر جعبه مرزی در boxes به صورت [y_min, x_min, y_max, x_max] کدگذاری می شود. مختصات جعبه مرزی نسبت به عرض و ارتفاع تصویر زیرین در [0.0, 1.0] شناور هستند.
به عنوان مثال، اگر یک تصویر 100 x 200 پیکسل (ارتفاع x عرض) باشد و کادر مرزی [0.1, 0.2, 0.5, 0.9] باشد، مختصات بالا-چپ و پایین-راست کادر مرزبندی (40, 10) خواهد بود. (40, 10) تا (100, 50) (در مختصات (x,y)).
ممکن است قسمت‌هایی از جعبه مرزی خارج از تصویر بیفتند.
استدلال ها:
- scope: یک شی Scope
- تصاویر: 4 بعدی با شکل
[batch, height, width, depth]. دسته ای از تصاویر. - جعبه‌ها: 3-D با شکل
[batch, num_bounding_boxes, 4]حاوی جعبه‌های محدودکننده. - رنگ ها: 2 بعدی فهرستی از رنگ‌های RGBA برای چرخه در جعبه‌ها.
برمی‌گرداند:
-
Output: 4 بعدی با شکلی مشابهimages. دسته ای از تصاویر ورودی با کادرهای مرزی که روی تصاویر کشیده شده اند.
سازندگان و ویرانگرها | |
|---|---|
DrawBoundingBoxesV2 (const :: tensorflow::Scope & scope, :: tensorflow::Input images, :: tensorflow::Input boxes, :: tensorflow::Input colors) |
صفات عمومی | |
|---|---|
operation | |
output | |
توابع عمومی | |
|---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const | |
صفات عمومی
عملیات
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
DrawBoundingBoxesV2
DrawBoundingBoxesV2( const ::tensorflow::Scope & scope, ::tensorflow::Input images, ::tensorflow::Input boxes, ::tensorflow::Input colors )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::DrawBoundingBoxesV2 Class Reference\n\ntensorflow::ops::DrawBoundingBoxesV2\n====================================\n\n`#include \u003cimage_ops.h\u003e`\n\nDraw bounding boxes on a batch of images.\n\nSummary\n-------\n\nOutputs a copy of `images` but draws on top of the pixels zero or more bounding boxes specified by the locations in `boxes`. The coordinates of the each bounding box in `boxes` are encoded as `[y_min, x_min, y_max, x_max]`. The bounding box coordinates are floats in `[0.0, 1.0]` relative to the width and height of the underlying image.\n\nFor example, if an image is 100 x 200 pixels (height x width) and the bounding box is `[0.1, 0.2, 0.5, 0.9]`, the upper-left and bottom-right coordinates of the bounding box will be `(40, 10)` to `(100, 50)` (in (x,y) coordinates).\n\nParts of the bounding box may fall outside the image.\n\nArguments:\n\n- scope: A [Scope](/versions/r1.15/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- images: 4-D with shape `[batch, height, width, depth]`. A batch of images.\n- boxes: 3-D with shape `[batch, num_bounding_boxes, 4]` containing bounding boxes.\n- colors: 2-D. A list of RGBA colors to cycle through for the boxes.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r1.15/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): 4-D with the same shape as `images`. The batch of input images with bounding boxes drawn on the images.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [DrawBoundingBoxesV2](#classtensorflow_1_1ops_1_1_draw_bounding_boxes_v2_1a045daabb9f82e495abcb25389793c47f)`(const ::`[tensorflow::Scope](/versions/r1.15/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` images, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` boxes, ::`[tensorflow::Input](/versions/r1.15/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` colors)` ||\n\n| ### Public attributes ||\n|----------------------------------------------------------------------------------------------------|----------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_draw_bounding_boxes_v2_1a7c6fe4fe1de16e31ab6399296c433a05) | [Operation](/versions/r1.15/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [output](#classtensorflow_1_1ops_1_1_draw_bounding_boxes_v2_1a047b31504fdafafad15a5665c95513b7) | `::`[tensorflow::Output](/versions/r1.15/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\n| ### Public functions ||\n|----------------------------------------------------------------------------------------------------------------------------------|------------------------|\n| [node](#classtensorflow_1_1ops_1_1_draw_bounding_boxes_v2_1a428527239d4a4cdfcbd18ec15ebe9584)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_draw_bounding_boxes_v2_1a29bc76dba2f81b97780d12396085ea46)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_draw_bounding_boxes_v2_1a216f8e9d2152744c9b7522113495dfe4)`() const ` | ` ` ` ` |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### output\n\n```text\n::tensorflow::Output output\n``` \n\nPublic functions\n----------------\n\n### DrawBoundingBoxesV2\n\n```gdscript\n DrawBoundingBoxesV2(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input images,\n ::tensorflow::Input boxes,\n ::tensorflow::Input colors\n)\n``` \n\n### node\n\n```gdscript\n::tensorflow::Node * node() const \n``` \n\n### operator::tensorflow::Input\n\n```gdscript\n operator::tensorflow::Input() const \n``` \n\n### operator::tensorflow::Output\n\n```gdscript\n operator::tensorflow::Output() const \n```"]]