Tensorflow tf.image.crop_和_使用另一个python函数给出的bbox调整大小

我正在尝试在剪切的图像上测试现有网络。我有一个相当大的数据集，所以我使用的是tensorflow数据集API。我首先创建了一个包含我感兴趣的所有图像名称的数据集，然后使用flat_map（）函数将图像名称数据集映射到裁剪图像面片数据集

所以，问题来了。我不知道将为这个图像生成多少补丁，我有另一个python函数get_image_regions，它返回一个n×4的框数组

所以我想用一些类似于：

box=tf.py\u func（获取图像区域，[im\u路径]，[tf.float32]）

获取框集并将其用作tf.image.crop_和_resize（）的输入

但是，由于py_func的返回值的形状和等级未知，因此不能将其用作crop_和_resize（）函数的输入。有没有其他方法可以解决这个问题？

如果你确定张量的形状是这样的，你可以使用张量：

boxes = tf.reshape( tf.py_func(get_image_regions, [im_path], [tf.float32]), [ n, 4 ] )

---

这将修复图形其余部分的形状，并允许您将张量馈送至，但如果馈送的数据大小错误，则会引发错误。

问题是我不知道每个图像将生成多少个框。您可以使用形状（-1，4）进行重塑。