StatelessSampleDistortedBoundingBox

画像に対してランダムに歪んだ境界ボックスを決定論的に生成します。

多くの場合、境界ボックスの注釈は、画像認識タスクやオブジェクト位置特定タスクでグラウンドトゥルース ラベルに加えて提供されます。このようなシステムをトレーニングするための一般的な手法は、コンテンツを維持しながら画像をランダムに歪ませる、つまりデータ拡張です。この Op は、同じ `seed` を与えられ、`image_size`、`bounding_boxes` および一連の制約を与えられたオブジェクト、つまりバウンディング ボックスのランダムに歪んだ位置を決定的に出力します。

この Op の出力は、元の画像をトリミングするために使用できる単一の境界ボックスです。出力は、`begin`、`size`、および `bboxes` の 3 つのテンソルとして返されます。最初の 2 つのテンソルをtf.sliceに直接入力して画像をトリミングできます。後者は、境界ボックスがどのように見えるかを視覚化するためにtf.image.draw_bounding_boxesに指定できます。

境界ボックスは `[y_min, x_min, y_max, x_max]` として指定され、返されます。境界ボックスの座標は、下にある画像の幅と高さを基準とした `[0.0, 1.0]` の浮動小数点数です。

この Op の出力は、同じ `seed` が与えられた場合には同じであることが保証されており、関数の呼び出し回数やグローバル シード設定 (例: tf.random.set_seed ) には依存しません。

使用例:

>>> image = np.array([[[1], [2], [3]], [[4], [5], [6]], [[7], [8], [9] ]]) >>> bbox = tf.constant( ... [0.0, 0.0, 1.0, 1.0], dtype=tf.float32,shape=[1, 1, 4]) >>> シード = (1, 2) ) >>> # 単一の歪んだ境界ボックスを生成します。 >>> bbox_begin, bbox_size, bbox_draw = ( ... tf.image.stateless_sample_distorted_bounding_box( ... tf.shape(image),bounding_boxes=bbox, seed=seed)) >>> # バウンディングボックスを使用して画像を歪ませる。 >>> tf.slice(image, bbox_begin, bbox_size) >>> # 画像の概要に境界ボックスを描画します。 >>> 色 = np.array([[1.0, 0.0, 0.0], [0.0, 0.0, 1.0]]) >>> tf.image.draw_bounding_boxes( ... tf.expand_dims(tf.cast(image, tf) .float32),0)、bbox_draw、色)

境界ボックス情報が利用できない場合、「use_image_if_no_bounding_boxes = true」を設定すると、画像全体をカバーする単一の暗黙的な境界ボックスがあると想定されることに注意してください。 `use_image_if_no_bounding_boxes` が false で、境界ボックスが指定されていない場合、エラーが発生します。