随机缩放层

[源代码]

RandomZoom

keras.layers.RandomZoom(
    height_factor,
    width_factor=None,
    fill_mode="reflect",
    interpolation="bilinear",
    seed=None,
    fill_value=0.0,
    data_format=None,
    **kwargs
)

一个在训练期间随机缩放图像的预处理层。

此层将独立地随机放大或缩小图像每个轴上的内容,并根据 fill_mode 填充空缺区域。

输入像素值可以是任意范围(例如 [0., 1.)[0, 255])以及整数或浮点数类型。默认情况下,该层将输出浮点数。

输入形状

3D(非批处理)或 4D(批处理)张量,形状为:(..., height, width, channels)(“channels_last”格式),或 (..., channels, height, width)(“channels_first”格式)。

输出形状

3D(非批处理)或 4D(批处理)张量,形状为:(..., target_height, target_width, channels)(“channels_last”格式),或 (..., channels, target_height, target_width)(“channels_first”格式)。

注意:此层可在 tf.data 管道中安全使用(与您使用的后端无关)。

参数

  • height_factor:表示为分数的浮点数,或大小为 2 的元组,表示垂直缩放的下限和上限。当表示为单个浮点数时,此值将用于上限和下限。正值表示缩小,负值表示放大。例如,height_factor=(0.2, 0.3) 会导致输出缩小范围在 [+20%, +30%] 之间。height_factor=(-0.3, -0.2) 会导致输出放大范围在 [+20%, +30%] 之间。
  • width_factor:表示为分数的浮点数,或大小为 2 的元组,表示水平缩放的下限和上限。当表示为单个浮点数时,此值将用于上限和下限。例如,width_factor=(0.2, 0.3) 会导致输出缩小范围在 20% 到 30% 之间。width_factor=(-0.3, -0.2) 会导致输出放大范围在 20% 到 30% 之间。None 表示即保持纵横比缩放垂直和水平方向。默认为 None
  • fill_mode:根据给定模式填充输入边界外的点。可用方法为 "constant""nearest""wrap""reflect"。默认为 "constant"
    • "reflect"(d c b a | a b c d | d c b a) 输入通过关于最后一个像素的边缘反射来扩展。
    • "constant"(k k k k | a b c d | k k k k) 输入通过用 fill_value 指定的相同常数值 k 填充边缘之外的所有值来扩展。
    • "wrap"(a b c d | a b c d | a b c d) 输入通过环绕到相对边缘来扩展。
    • "nearest"(a a a a | a b c d | d d d d) 输入通过最近的像素扩展。请注意,当使用 torch 后端时,"reflect" 会重定向到 "mirror" (c d c b | a b c d | c b a b),因为 torch 不支持 "reflect"。请注意,torch 后端不支持 "wrap"
  • interpolation:插值模式。支持的值:"nearest""bilinear"
  • seed:整数。用于创建随机种子。
  • fill_value:表示当 fill_mode="constant" 时填充边界之外的值的浮点数。
  • data_format:字符串,可以是 "channels_last""channels_first"。输入中维度顺序。"channels_last" 对应于形状为 (batch, height, width, channels) 的输入,而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为您在 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它,则它将为 "channels_last"
  • **kwargs:基础层关键字参数,例如 namedtype

示例

>>> input_img = np.random.random((32, 224, 224, 3))
>>> layer = keras.layers.RandomZoom(.5, .2)
>>> out_img = layer(input_img)