tensorflow:: ops:: Dylatacja2D

Oblicza dylatację skali szarości tensorów filter input 4-D i 3-D.

Streszczenie

Tensor input ma kształt [batch, in_height, in_width, depth] , a tensor filter ma kształt [filter_height, filter_width, depth] , co oznacza, że ​​każdy kanał wejściowy jest przetwarzany niezależnie od pozostałych za pomocą własnej funkcji strukturującej. Tensor output ma kształt [batch, out_height, out_width, depth] . Wymiary przestrzenne tensora wyjściowego zależą od algorytmu padding . Obecnie obsługujemy tylko domyślny data_format „NHWC”.

Szczegółowo, morfologiczne dylatacja 2-D w skali szarości jest korelacją sumy maksymalnej (dla spójności z conv2d używamy filtrów bez odbicia lustrzanego):

output[b, y, x, c] =
   max_{dy, dx} input[b,
                      strides[1] * y + rates[1] * dy,
                      strides[2] * x + rates[2] * dx,
                      c] +
                filter[dy, dx, c]

Maksymalne łączenie jest szczególnym przypadkiem, gdy filtr ma rozmiar równy rozmiarowi jądra łączenia i zawiera wszystkie zera.

Uwaga na temat dualności: Dylatacja sygnału input przez filter jest równa negacji erozji -input przez filter odbity.

Argumenty:

• zakres: Obiekt Scope
• dane wejściowe: 4-D z kształtem [batch, in_height, in_width, depth] .
• filtr: 3-D z kształtem [filter_height, filter_width, depth] .
• kroki: krok przesuwanego okna dla każdego wymiaru tensora wejściowego. Musi wynosić: [1, stride_height, stride_width, 1] .
• stawki: krok wejściowy dla groźnego rozszerzenia morfologicznego. Musi wynosić: [1, rate_height, rate_width, 1] .
• dopełnienie: typ algorytmu dopełniania, który ma zostać użyty.

Zwroty:

• Output : 4-D z kształtem [batch, out_height, out_width, depth] .

Atrybuty publiczne

Operation operation

::tensorflow::Output output

 Dilation2D(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input filter,
  const gtl::ArraySlice< int > & strides,
  const gtl::ArraySlice< int > & rates,
  StringPiece padding
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const