tensorflow對圖像進(jìn)行拼接的例子
tensorflow對圖像進(jìn)行多個塊的行列拼接tf.concat(), tf.stack()
在深度學(xué)習(xí)過程中，通過卷積得到的圖像塊大小是8×8×1024的圖像塊，對得到的圖像塊進(jìn)行reshape得到[8×8]×[32×32]，其中[8×8]是圖像塊的個數(shù)，[32×32]是小圖像的大小。通過tf.concat對小塊的圖像進(jìn)行拼接。
-在做圖像卷積的過程中，做了這樣一個比較麻煩的拼接，現(xiàn)在還沒想到更好的拼接方法，因為是塊拼接，開始的時候使用了reshape，但是得到的結(jié)果不對，需要確定清楚數(shù)據(jù)的維度，對于數(shù)據(jù)的維度很是問題。
import tensorflow as tf def tensor_concat(f, axis): x1 = f[0, :, :] for i in range(1, 8): x1 = tf.concat([x1, f[i, :, :]], axis=axis) return x1 def block_to_image(f): x1 = tf.reshape(f, [64, 1024]) x1 = tf.reshape(x1, [64, 32, 32]) m2 = tensor_concat(x1[0:8, :, :], axis=1) for i in range(1, 8): m1 = tensor_concat(x1[i*8:(i+1)*8, :, :], axis=1) m2 = tf.concat([m2, m1], axis=0) x2 = tf.reshape(m2, [256, 256, 1]) return x2 x = tf.random_normal([ 8, 8, 1024]) with tf.Session() as sess: m = sess.run(x) m1 = sess.run(block_to_image(m))
最后通過行拼接和列拼接得到圖像大小為256×256×1大小的圖像。
對[batch_size, height, weight, channel] 的圖像進(jìn)行1一樣的圖像塊拼接：
在深度神經(jīng)網(wǎng)絡(luò)中，會有batch_size個圖像大小[256×256×1]的圖像進(jìn)行塊的拼接，對于多了一個維度的圖像拼接起來，由[batch_size, 8, 8, 1024]拼接為[batch_size,256, 256, 1]。在做著部分時batch_size這部分實在是不知道怎么處理，所以還是用了本辦法，使用的函數(shù)是append和tf.stack()
def tensor_concat(f, axis): x1 = f[0, :, :] for i in range(1, 8): x1 = tf.concat([x1, f[i, :, :]], axis=axis) return x1 def block_to_image(f): x3 =[] for k in range(f.shape[0]): x = f[k, :, :, :] x1 = tf.reshape(x, [64, 1024]) x1 = tf.reshape(x1, [64, 32, 32]) m2 = tensor_concat(x1[0:8, :, :], axis=1) for i in range(1, 8): m1 = tensor_concat(x1[i*8:(i+1)*8, :, :], axis=1) m2 = tf.concat([m2, m1], axis=0) x2 = tf.reshape(m2, [256, 256, 1]) x3.append(x2) x4 = tf.stack(x3) return x4 x = tf.random_normal([10, 8, 8, 1024]) with tf.Session() as sess: m = sess.run(x) m1 = sess.run(block_to_image1(m))
在學(xué)習(xí)過程中對tensor不能直接賦值，比如不能寫：
x2 = tf.reshape(m2, [256, 256, 1]) x3[k, :, :, 1] = x2
這樣的代碼，會出現(xiàn)錯誤：'Tensor' object does not support item assignment
對于帶有類似索引的賦值，參考的辦法是：
x3 = [] x3.append(x2)
這時候得到的是list的格式，所以接下來將list轉(zhuǎn)化為array,使用的是tf.stack(x3)
以上這篇tensorflow對圖像進(jìn)行拼接的例子就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python實現(xiàn)的隨機(jī)森林算法與簡單總結(jié)
這篇文章主要介紹了Python實現(xiàn)的隨機(jī)森林算法,結(jié)合實例形式詳細(xì)分析了隨機(jī)森林算法的概念、原理、實現(xiàn)技巧與相關(guān)注意事項,需要的朋友可以參考下2018-01-01
深入講解Python函數(shù)中參數(shù)的使用及默認(rèn)參數(shù)的陷阱
這篇文章主要介紹了Python函數(shù)中參數(shù)的使用及默認(rèn)參數(shù)的陷阱,文中將函數(shù)的參數(shù)分為必選參數(shù)、默認(rèn)參數(shù)、可變參數(shù)和關(guān)鍵字參數(shù)來講,要的朋友可以參考下2016-03-03
這篇文章主要介紹了Django 視圖層(view)的使用，詳細(xì)的介紹了什么是視圖層以及案例，非常具有實用價值，需要的朋友可以參考下2018-11-11
這篇文章主要介紹了在Django的URLconf中使用多個視圖前綴的方法,Django是Python中最為著名的遵循MVC結(jié)構(gòu)的開發(fā)框架,需要的朋友可以參考下2015-07-07
這篇文章主要介紹了Python流程控制if條件選擇與for循環(huán)，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，需要的朋友可以參考一下2022-07-07
這篇文章主要為大家詳細(xì)介紹了PyQt5+Caffe+Opencv搭建人臉識別登錄界面，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-08-08
Python?Excel數(shù)據(jù)處理之xlrd/xlwt/xlutils模塊詳解
在復(fù)雜的Excel業(yè)務(wù)數(shù)據(jù)處理中，三兄弟扮演的角色缺一不可。如何能夠使用xlrd/xlwt/xlutils三個模塊來實現(xiàn)數(shù)據(jù)處理就是今天的內(nèi)容，希望對大家有所幫助2023-03-03
python布爾操作也是我們經(jīng)常寫代碼需要用到的，首先我們需要明白在python里面，哪些被解釋器當(dāng)做真，哪些當(dāng)做假2013-03-03
這篇文章主要介紹了python 三種方法提取pdf中的圖片，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2021-02-02
在本篇文章里小編給大家整理的是關(guān)于Python用input輸入列表的實例代碼，需要的朋友們可以參考下。2020-02-02