Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático, así como redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.
La función .image.cropAndResize() se usa para sacar las salidas del tensor de imagen de entrada indicado y también las vuelve a escalar a través de un muestreo bilineal o, de lo contrario, un muestreo del vecino más cercano a una dimensión de salida normal según lo establecido por la longitud del recorte.
Sintaxis:
tf.image.cropAndResize(image, boxes, boxInd, cropSize, method?, extrapolationValue?)
Parámetros: Este método acepta los siguientes parámetros:
- imágenes: el tensor 4d indicado, que es de configuración [lote, altura de imagen, ancho de imagen, profundidad]. Donde tanto imageHeight como imageWidth deben ser positivos, definiendo el grupo de imágenes de donde se van a tomar los recortes. Puede ser de tipo tf.Tensor4D, TypedArray o Array.
- boxes: El tensor 2d float32 indicado, que tiene una configuración [numBoxes, 4]. Y todo acceso es [y1, x1, y2, x2], permitiendo que (y1, x1) e (y2, x2) sean las coordenadas estandarizadas de la caja en la imagen boxInd[i] en el grupo. Puede ser de tipo tf.Tensor2D, TypedArray o Array.
- boxInd: El tensor 1d int32 indicado, que es de configuración [numBoxes] junto con valores en el rango [0, lote) que define la imagen que indica el i-th box. Es de tipo tf.Tensor1D, TypedArray o Array.
- cropSize: Es el tensor 1d int32 indicado que tiene dos elementos y tiene una configuración [cropHeigh, cropWidth] que define la longitud a la que se reescalan todos y cada uno de los cultivos. Es de tipo [número, número].
- método: Es un parámetro opcional que define el método de muestreo para el reescalado. El valor predeterminado es bilineal . Puede ser de tipo ‘bilineal’ o ‘más cercano’.
- extrapolationValue: es el umbral establecido que se utiliza para concluir en qué momento se deben eliminar las casillas sobre la base de la puntuación establecida. El valor por defecto es cero. Es opcional y es de tipo número.
Valor devuelto: Devuelve el objeto tf.Tensor4D.
Ejemplo 1: uso de un tensor 4d, parámetros boxes, boxInd y cropSize.
Javascript
// Importing the tensorflow.js library const tf = require("@tensorflow/tfjs") // Calling image.cropAndResize() method and // Printing output tf.image.cropAndResize(tf.tensor4d([[ [[1, 7], [21, 9]], [[8, 9], [1, 33]] ]]), tf.tensor2d([1, 2, 3, 4], [1, 4]), [2], [1, 1]).print();
Producción:
Tensor [ [ [[0, 0],]]]
Ejemplo 2: uso de una array de flotantes, método y extrapolationValue.
Javascript
// Importing the tensorflow.js library const tf = require("@tensorflow/tfjs") // Defining an array of floats const arr = [[ [[1.1, 1.7, 1.5, 1.1], [1.7, 1.9, 8.1, 6.3]], [[3.3, 3.4, 3.7, 4.0], [5.1, 5.2, 5.3, 5.9]] ]]; // Defining boxes with an array of floats const boxes = [[11.1, 2.3, 7.3, 6.4], [1, 4]]; // Calling image.cropAndResize() method and // Printing output tf.image.cropAndResize(arr, boxes, [2, 4], [2, 1], 'nearest', 0.4).print();
Producción:
Tensor [[ [[0, 0, 0, 0],], [[0, 0, 0, 0],]], [ [[0, 0, 0, 0],], [[0, 0, 0, 0],]]]
Referencia: https://js.tensorflow.org/api/latest/#image.cropAndResize
Publicación traducida automáticamente
Artículo escrito por nidhi1352singh y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA