tf.raw_ops.StatelessSampleDistortedBoundingBox

Генерация случайной искажённой рамки для изображения детерминированно.

tf.raw_ops.StatelessSampleDistortedBoundingBox(
    image_size, bounding_boxes, min_object_covered, seed, aspect_ratio_range=[0.75,
    1.33], area_range=[0.05, 1], max_attempts=100,
    use_image_if_no_bounding_boxes=False, name=None
)

Аннотации границ часто предоставляются в дополнение к фактическим меткам в задачах распознавания изображений или локализации объектов. Распространённый приём для обучения такой системы — случайное искажение изображения, сохраняя при этом его содержимое, т.е. аугментация данных. Этот оператор, при одинаковом seed, детерминированно выводит случайное искажённое расположение объекта, т.е. рамку, заданную image_size, bounding_boxes и рядом ограничений.

Выход этого оператора — одна рамка, которая может быть использована для обрезки исходного изображения. Выход возвращается как 3 тензора: begin, size и bboxes. Первые 2 тензора можно напрямую передать в tf.slice для обрезки изображения. Последний может быть передан в tf.image.draw_bounding_boxes для визуализации рамки.

Рамки предоставляются и возвращаются в формате [y_min, x_min, y_max, x_max]. Координаты рамки — числа с плавающей точкой в [0.0, 1.0] относительно ширины и высоты базового изображения.

Результат работы этого оператора гарантированно будет одинаковым при одинаковом seed и не зависит от того, сколько раз функция вызывается, и от настроек глобального генератора случайных чисел (например, tf.random.set_seed).

Пример использования:

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])
seed = (1, 2)
# Generate a single distorted bounding box.
bbox_begin, bbox_size, bbox_draw = (
  tf.image.stateless_sample_distorted_bounding_box(
    tf.shape(image), bounding_boxes=bbox, seed=seed))
# Employ the bounding box to distort the image.
tf.slice(image, bbox_begin, bbox_size)
<tf.Tensor: shape=(2, 2, 1), dtype=int64, numpy=
array([[[1],
        [2]],
       [[4],
        [5]]])>
# Draw the bounding box in an image summary.
colors = 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, colors)
<tf.Tensor: shape=(1, 3, 3, 1), dtype=float32, numpy=
array([[[[1.],
         [1.],
         [3.]],
        [[1.],
         [1.],
         [6.]],
        [[7.],
         [8.],
         [9.]]]], dtype=float32)>

Обратите внимание, что если информация о рамке недоступна, установление use_image_if_no_bounding_boxes = true предположит, что существует одна неявная рамка, охватывающая всё изображение. Если use_image_if_no_bounding_boxes ложно, и рамки не заданы, возникает ошибка.