Bilinéaire suréchantillonner dans tensorflow?

Je veux faire un simple bilinéaire redimensionner (pas nécessairement par un facteur entier) dans TensorFlow. Par exemple, à partir d'une (32,3,64,64) tenseur, je voudrais un (32,3,96,96) tenseur, où chaque 64x64 a été remis à l'échelle par un facteur de 1,5 à l'aide de la méthode d'interpolation bilinéaire. Quelle est la meilleure façon de le faire?

Je voudrais ce à l'appui de facteurs arbitraires > 1, pas seulement 1,5 spécifiquement.

Remarque: l'opération sur chaque 64x64 serait la même chose que ce skimage.transform.rescale (scale=1.5, order=1) n'.

InformationsquelleAutor Alex I | 2016-04-19
  1. 15

    tf.image.resize_images devrait faire ce que vous avez besoin. Il accepte à la fois en 3d (image unique) et 4d (lot d'images) les tenseurs, avec une profondeur arbitraire (nombre de canaux). Ce qui devrait, espérons-le travail:

    # it's height, width in TF - not width, height
new_height = int(round(old_height * scale))
new_width = int(round(old_width * scale))
resized = tf.image.resize_images(input_tensor, [new_height, new_width])

    Interpolation bilinéaire est la valeur par défaut donc vous n'avez pas besoin de le spécifier. Vous pouvez également utiliser resize_bilinear directement.

    • Merci, c'est exactement ce que je cherchais. Je me demande, est-il possible de backpropagate par resize_images?
    • il est possible de faire cela? Backpropogate par le biais de la redimensionner?
    • Oui, absolument. Vous pouvez backprop par le biais de redimensionner comme c'est un opérateur linéaire. Tensorflow ne présente aucun problème.
    • Ne pas modifier les bugs en - avant de r0.10 de la hauteur et la largeur sont des arguments différents, regarder les docs
    • Il aurait pu l'être, mais ce n'est pas plus. Voulez-vous vraiment votre réponse se référer à un API obsolètes qui ne compile pas plus?
    • r0.11 a été publié il y a 15 jours, tout le monde n'a encore été mis à jour. Et la réponse mentionne clairement les deux versions.

    InformationsquelleAutor etarion
  2. 5

    Je dirais pas à utiliser les tf.image.resize_* fonctions comme ils souffrent d'un méchant bug qui ne pas être fixe.

    Un nouveau, ensemble différent de l'image de rééchantillonnage fonctions est apparemment dans le pipeline. En attendant, vous pouvez trouver quelques exemples sur le web sur la façon de le faire vous-même en utilisant par exemple transposée circonvolutions. Il est malheureusement beaucoup moins efficace que par voie de suréchantillonnage, mais correcte est mieux que rapide.

    MODIFIER

    Ils ont enfin corrigé ce bug dans TF 2.0:

    • image.resize considère maintenant les bon pixel centres (...).

    Cette solution ne passe pas de gradient, ce qui est... un bug qui sera, nous l'espérons également obtenir fixe.

    InformationsquelleAutor P-Gn
  3. 1

    Keras prend en charge 'nearest' et 'bilinear' interpolation maintenant avec tensorflow backend. De vérifier la la documentation. Mais la taille par défaut la valeur est, en effet, (2,2) ou int valeur, de sorte que dans ce cas, votre suréchantillonnage sera au moins le double.

    Ce code doit Keras 2.2.3 ou au-dessus. Si vous utilisez tf.keras, malheureusement, vous ne pouvez pas installer keras séparément, il est fourni dans le cadre de tensorflow de l'installation. Donc soit trouver le tf version ou installer la nightly build.

    pip3 install --upgrade tf-nightly

    InformationsquelleAutor Milind Deore