KerasHub:预训练模型 / API 文档 / 模型架构 / DeepLabV3 / DeepLabV3ImageConverter

DeepLabV3ImageConverter

[来源]

DeepLabV3ImageConverter

keras_hub.layers.DeepLabV3ImageConverter(
    image_size=None,
    scale=None,
    offset=None,
    crop_to_aspect_ratio=True,
    pad_to_aspect_ratio=False,
    interpolation="bilinear",
    antialias=False,
    bounding_box_format="yxyx",
    data_format=None,
    **kwargs
)

将原始图像预处理成模型就绪的输入。

此类将原始图像转换为模型就绪的输入。此转换按以下步骤进行:

  1. 使用 image_size 调整图像大小。如果 image_sizeNone,则跳过此步骤。
  2. 将图像乘以 scale 进行缩放,scale 可以是全局的或按通道计算的。如果 scaleNone,则跳过此步骤。
  3. 通过添加 offset 对图像进行偏移,offset 可以是全局的或按通道计算的。如果 offsetNone,则跳过此步骤。

此层将以 channels_last 或 channels_first 格式的原始图像张量作为输入,并输出用于建模的预处理图像输入。此张量可以批处理(秩 4)或非批处理(秩 3)。

此层可以与 from_preset() 构造函数一起使用,加载一个将为特定预训练模型重新缩放和调整图像大小的层。以这种方式使用此层可以在切换模型检查点时无需更新预处理代码。

参数

  • image_size: (int, int) 元组或 None。图像的输出大小,不包括通道轴。如果为 None,则不对输入进行调整大小。
  • scale: float、float 元组或 None。应用于输入的缩放因子。如果 scale 是单个 float,则整个输入将乘以 scale。如果 scale 是一个元组,则假定它包含应用于输入图像每个通道的每通道缩放值。如果 scaleNone,则不应用缩放。
  • offset: float、float 元组或 None。应用于输入的偏移量。如果 offset 是单个 float,则整个输入将与 offset 相加。如果 offset 是一个元组,则假定它包含应用于输入图像每个通道的每通道偏移值。如果 offsetNone,则不应用缩放。
  • crop_to_aspect_ratio: 如果为 True,则在不扭曲纵横比的情况下调整图像大小。当原始纵横比与目标纵横比不同时,将裁剪输出图像以返回图像中匹配目标纵横比的最大可能窗口(大小为 (height, width))。默认情况下(crop_to_aspect_ratio=False),可能不会保留纵横比。
  • interpolation: 字符串,插值方法。支持 "bilinear""nearest""bicubic""lanczos3""lanczos5"。默认为 "bilinear"
  • antialias: 在对图像进行下采样时是否使用抗锯齿滤波器。默认为 False
  • bounding_box_format: 一个字符串,指定边界框的格式,可以是 "xyxy""rel_xyxy""xywh""center_xywh""yxyx""rel_yxyx" 之一。指定将与图像一起调整到 image_size 的边界框格式。要将边界框传递给此层,请在调用此层时传递一个包含键 "images""bounding_boxes" 的字典。
  • data_format: 字符串,可以是 "channels_last""channels_first"。输入的维度顺序。"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 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置过,则为 "channels_last"

示例

# Resize raw images and scale them to [0, 1].
converter = keras_hub.layers.ImageConverter(
    image_size=(128, 128),
    scale=1. / 255,
)
converter(np.random.randint(0, 256, size=(2, 512, 512, 3)))

# Resize images to the specific size needed for a PaliGemma preset.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_224"
)
converter(np.random.randint(0, 256, size=(2, 512, 512, 3)))

[来源]

from_preset 方法

DeepLabV3ImageConverter.from_preset(preset, **kwargs)

从模型预设实例化一个 keras_hub.layers.ImageConverter

预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。preset 可以以下列形式之一传递:

  1. 内置预设标识符,例如 'pali_gemma_3b_224'
  2. Kaggle Models handle,例如 'kaggle://user/paligemma/keras/pali_gemma_3b_224'
  3. Hugging Face handle,例如 'hf://user/pali_gemma_3b_224'
  4. 本地预设目录的路径,例如 './pali_gemma_3b_224'

您可以运行 cls.presets.keys() 来列出类上所有可用的内置预设。

参数

  • preset: 字符串。内置预设标识符、Kaggle Models handle、Hugging Face handle 或本地目录的路径。
  • load_weights: bool。如果为 True,则将权重加载到模型架构中。如果为 False,则随机初始化权重。

示例

batch = np.random.randint(0, 256, size=(2, 512, 512, 3))

# Resize images for `"pali_gemma_3b_224"`.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_224"
)
converter(batch) # # Output shape (2, 224, 224, 3)

# Resize images for `"pali_gemma_3b_448"` without cropping.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_448",
    crop_to_aspect_ratio=False,
)
converter(batch) # # Output shape (2, 448, 448, 3)
预设 参数 描述
deeplab_v3_plus_resnet50_pascalvoc 39.19M DeepLabV3+ 模型,使用 ResNet50 作为图像编码器,并在 Semantic Boundaries Dataset (SBD) 增强的 Pascal VOC 数据集上训练,其分类准确率为 90.01,平均 IoU 为 0.63。