调整图层大小

[来源]

Resizing 类

keras_cv.layers.Resizing(
    height,
    width,
    interpolation="bilinear",
    crop_to_aspect_ratio=False,
    pad_to_aspect_ratio=False,
    bounding_box_format=None,
    **kwargs
)

调整图像大小的预处理图层。

此图层将图像输入调整为目标高度和宽度。输入应为 "channels_last" 格式的 4D（批处理）或 3D（非批处理）张量。输入像素值可以是任何范围（例如 [0., 1.) 或 [0, 255]）以及整数或浮点类型。默认情况下，此图层将输出浮点数。

此图层可以在不同大小的输入图像的 tf.RaggedTensor 批次上调用，并将输出调整为大小一致的密集张量。

有关预处理图层的概述和完整列表，请参见预处理 指南。

参数

• height: 整数，输出形状的高度。
• width: 整数，输出形状的宽度。
• interpolation: 字符串，插值方法，默认为 "bilinear"。支持 "bilinear"、"nearest"、"bicubic"、"area"、"lanczos3"、"lanczos5"、"gaussian"、"mitchellcubic"。
• crop_to_aspect_ratio: 如果为 True，则调整图像大小，不改变纵横比。当原始纵横比与目标纵横比不同时，输出图像将被裁剪，以返回图像中匹配目标纵横比的最大可能的窗口（大小为 (height, width)）。默认情况下，(crop_to_aspect_ratio=False)，纵横比可能无法保留。
• pad_to_aspect_ratio: 如果为 True，则调整图像大小，不改变纵横比。当原始纵横比与目标纵横比不同时，输出图像将被填充，以返回图像中匹配目标纵横比的最大可能的调整大小（大小为 (height, width)）。默认情况下，(pad_to_aspect_ratio=False)，纵横比可能无法保留。
• bounding_box_format: 输入数据集的边界框格式。有关支持的边界框格式的更多详细信息，请参阅 https://github.com/keras-team/keras-cv/blob/master/keras_cv/bounding_box/converters.py。