Spec-Zone.ru › TensorFlow 2.3

tf.image.total_variation

Просмотреть исходный код на GitHub

Вычислить и вернуть полное изменение для одного или нескольких изображений.

Просмотреть псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.image.total_variation

tf.image.total_variation(
    images, name=None
)

Полное изменение — это сумма абсолютных разностей для соседних значений пикселей на входных изображениях. Это измеряет уровень шума на изображениях.

Это можно использовать в качестве функции потерь во время оптимизации, чтобы подавить шум на изображениях. Если у вас есть пакет изображений, вы должны вычислить скалярное значение потерь как сумму: loss = tf.reduce_sum(tf.image.total_variation(images))

Это реализует анизотропную 2-D версию формулы, описанной здесь:

https://en.wikipedia.org/wiki/Total_variation_denoising

Аргументы
images 4-мерный тензор формы [batch, height, width, channels] или 3-мерный тензор формы [height, width, channels].
name Имя операции (необязательно).
Исключения
ValueError если форма изображений не является 3-мерным или 4-мерным вектором.
Возвращаемые значения
Полное изменение images.

Если images было 4-мерным, возвращается 1-мерный тензор с плавающей точкой формы [batch] со значением полного изменения для каждого изображения в пакете. Если images было 3-мерным, возвращается скалярное значение с плавающей точкой с полным изменением для этого изображения.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/image/total_variation

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API