Python 广义张量流裁剪和调整大小
该功能包含Python 广义张量流裁剪和调整大小,python,tensorflow,Python,Tensorflow,该功能包含box\u索引 tf.image.crop_and_resize( image, boxes, box_ind, crop_size, method='bilinear', extrapolation_value=0, name=None) 我们应该提供特定框所指的索引。但是,图像阵列通常以以下形式提供: tf.placeholder(dtype=tf.float32, shape=(None, 28, 28, 1), name='inp') 允许
box\u索引
tf.image.crop_and_resize(
image, boxes,
box_ind,
crop_size, method='bilinear', extrapolation_value=0,
name=None)
我们应该提供特定框所指的索引。但是,图像阵列通常以以下形式提供:
tf.placeholder(dtype=tf.float32, shape=(None, 28, 28, 1), name='inp')
允许以前未知数量的图像随时输入管道。这是一个很好的特性,它允许我们在训练期间动态地改变批量大小,并且在预测期间特别有用
然而,box_索引确实需要一组值,这使得不可能设置可变的批量大小。除了手动指定批量大小之外,有没有人看到过一个好的解决方法?您可以使用动态大小的张量作为方框索引,如下所示:
tf.image.crop_and_resize(
image, boxes,
tf.range(0, tf.shape(image)[0], dtype=tf.int32),
crop_size, method='bilinear', extrapolation_value=0,
name=None)
因此,每个图像都将使用相应的框进行裁剪