KerasHub: 预训练模型 / API 文档 / 模型架构 / RetinaNet / RetinaNetImageConverter

RetinaNetImageConverter

[源代码]

RetinaNetImageConverter

keras_hub.layers.RetinaNetImageConverter()

将原始图像预处理为模型可用的输入。

此类别将原始图像转换为模型可用的输入。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 可以是全局值或按通道计算。如果 scaleNone,则跳过此步骤。
  3. 通过加上 offset 偏移图像,offset 可以是全局值或按通道计算。如果 offsetNone,则跳过此步骤。

该层将原始图像张量作为输入,格式可以是 channels last 或 channels first,并输出用于建模的预处理图像输入。此张量可以是批处理的(rank 4)或非批处理的(rank 3)。

此层可与 from_preset() 构造函数一起使用,以加载一个将为特定预训练模型缩放和调整图像大小的层。以这种方式使用该层可以编写预处理代码,在切换模型检查点时无需更新。

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,则不会调整输入大小。
  • scale: float、float 元组或 None。应用于输入的缩放值。如果 scale 是单个 float,则整个输入将乘以 scale。如果 scale 是元组,则假定它包含对输入图像每个通道相乘的按通道缩放值。如果 scaleNone,则不应用缩放。
  • offset: float、float 元组或 None。应用于输入的偏移值。如果 offset 是单个 float,则整个输入将加上 offset。如果 offset 是元组,则假定它包含对输入图像每个通道相加的按通道偏移值。如果 offsetNone,则不应用偏移。
  • crop_to_aspect_ratio: 如果为 True,则在调整图像大小时不进行纵横比失真。当原始纵横比与目标纵横比不同时,将裁剪输出图像,以返回与目标纵横比匹配的图像中最大可能的窗口(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" 中的一个。指定将随图像一起调整到 image_size 的边界框的格式。要将边界框传递给此层,请在调用该层时传递一个带有键 "images""bounding_boxes" 的字典。
  • data_format: 字符串,可以是 "channels_last""channels_first"。输入中维度的顺序。"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。它默认为您的 Keras 配置文件 ~/.keras/keras.json 中的 image_data_format 值。如果您从未设置它,则默认为 "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)))

[源代码]

from_preset 方法

RetinaNetImageConverter.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 可以按以下任一方式传递:

  1. 内置预设标识符,例如 'pali_gemma_3b_224'
  2. Kaggle Models 句柄,例如 'kaggle://user/paligemma/keras/pali_gemma_3b_224'
  3. Hugging Face 句柄,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() 列出该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 句柄、Hugging Face 句柄或本地目录的路径。
  • load_weights: 布尔值。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
retinanet_resnet50_fpn_v2_coco 31.56M 基于 ResNet50 主干网络的 RetinaNet 模型,在 COCO 上进行微调,分辨率为 800x800,并使用了从 P5 级别创建的 FPN 特征。
retinanet_resnet50_fpn_coco 34.12M 基于 ResNet50 主干网络的 RetinaNet 模型,在 COCO 上进行微调,分辨率为 800x800。