KerasHub:预训练模型 / API 文档 / 模型架构 / VGG / VGG图像转换器

VGG图像转换器

[源]

VGGImageConverter

keras_hub.layers.VGGImageConverter(
    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准备好的输入。

此类将原始图像转换为模型准备好的输入。此转换过程包含以下步骤:

  1. 使用 image_size 调整图像大小。如果 image_sizeNone,则跳过此步骤。
  2. 通过乘以 scale 来重新缩放图像,scale 可以是全局的或按通道的。如果 scaleNone,则跳过此步骤。
  3. 通过添加 offset 来偏移图像,offset 可以是全局的或按通道的。如果 offsetNone,则跳过此步骤。

该层将接受 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。此张量可以是批处理的(秩为 4),也可以是未批处理的(秩为 3)。

此层可与 from_preset() 构造函数一起使用,以加载一个用于特定预训练模型的图像重新缩放和调整大小的层。以这种方式使用该层可以编写无需在不同模型检查点之间切换时更新的预处理代码。

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,则输入不会被调整大小。
  • 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,则调整图像大小而不进行纵横比失真。当原始纵横比与目标纵横比不同时,输出图像将被裁剪,以便返回图像中(大小为 (height, width))与目标纵横比匹配的最大可能窗口。默认情况下 (crop_to_aspect_ratio=False),纵横比可能不会保留。
  • interpolation: String,插值方法。支持 "bilinear"(双线性)、"nearest"(最近邻)、"bicubic"(双三次)、"lanczos3""lanczos5"。默认为 "bilinear"(双线性)。
  • antialias: 下采样图像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。指定将与图像一起调整大小到 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: String,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。它默认为你在 ~/.keras/keras.json 处的 Keras 配置文件中找到的 image_data_format 值。如果你从未设置过它,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]

from_preset 方法

VGGImageConverter.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'

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

参数

  • preset: string。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: bool。如果为 True,则将权重加载到模型架构中。如果为 False,则权重将随机初始化。

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
vgg_11_imagenet 9.22M 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 11 层 VGG 模型。
vgg_13_imagenet 9.40M 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 13 层 VGG 模型。
vgg_16_imagenet 14.71M 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 16 层 VGG 模型。
vgg_19_imagenet 20.02M 在 ImageNet 1k 数据集上以 224x224 分辨率预训练的 19 层 VGG 模型。