StatelessSampleDistortedBoundingBox

Generuj deterministycznie losowo zniekształconą ramkę ograniczającą dla obrazu.

Adnotacje dotyczące obwiedni są często dostarczane jako dodatek do etykiet podstawowych w zadaniach rozpoznawania obrazu lub lokalizacji obiektów. Powszechną techniką uczenia takiego systemu jest losowe zniekształcanie obrazu przy jednoczesnym zachowaniu jego zawartości, czyli powiększanie danych . Ta operacja, mając to samo `seed', deterministycznie wyprowadza losowo zniekształconą lokalizację obiektu, tj. obwiednię, biorąc pod uwagę `image_size`, `bounding_boxes` i serię ograniczeń.

Wynikiem tej operacji jest pojedyncza ramka ograniczająca, której można użyć do przycięcia oryginalnego obrazu. Dane wyjściowe są zwracane jako 3 tensory: `begin`, `size` i `bboxes`. Pierwsze 2 tensory można wprowadzić bezpośrednio do tf.slice w celu przycięcia obrazu. Te ostatnie można dostarczyć do tf.image.draw_bounding_boxes w celu wizualizacji wyglądu ramki ograniczającej.

Ramki ograniczające są dostarczane i zwracane jako `[y_min, x_min, y_max, x_max]`. Współrzędne ramki ograniczającej są zmiennoprzecinkowe w zakresie „[0,0, 1,0]” w stosunku do szerokości i wysokości obrazu bazowego.

Gwarantuje się, że wynik tej operacji będzie taki sam przy tym samym „ziarnie” i jest niezależny od tego, ile razy funkcja jest wywoływana i niezależny od globalnych ustawień nasion (np. tf.random.set_seed ).

Przykładowe użycie:

>>> obraz = 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, kształt=[1, 1, 4]) >>> nasiono = (1, 2 ) >>> # Wygeneruj pojedynczą zniekształconą ramkę ograniczającą. >>> bbox_begin, bbox_size, bbox_draw = ( ... tf.image.stateless_sample_distorted_bounding_box( ... tf.shape(image),bounding_boxes=bbox, nasion=nasiono)) >>> # Użyj ramki ograniczającej, aby zniekształcić obraz . >>> tf.slice(image, bbox_begin, bbox_size) >>> # Narysuj obwiednię w podsumowaniu obrazu. >>> kolory = 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, kolory)

Należy pamiętać, że jeśli nie są dostępne żadne informacje o ramce ograniczającej, ustawienie `use_image_if_no_bounding_boxes = true` zakłada, że ​​istnieje jedna niejawna ramka ograniczająca obejmująca cały obraz. Jeśli `use_image_if_no_bounding_boxes` ma wartość false i nie podano żadnych ramek ograniczających, zgłaszany jest błąd.