[英]tf.image.pad_to_bounding_box VS tf.pad and tf.image.crop_to_bounding_box VS tf.slice
我想了解为什么存在两个函数tf.image.crop_to_bounding_box和tf.image.pad_to_bounding_box ，因为这两个函数的行为实际上可以分别通过tf.slice和tf.pad来完成。
它们并不是那么容易理解，并且它们的范围很窄，因为它们仅接受3D和4D张量。 此外，它们往往在执行时间方面较慢。
我有什么想念的吗？
通常，您使用它们tf.image.*为了易于使用。
crop_to_bounding_box和pad_to_bounding_box都在下面使用了slice和pad ，但是还添加了检查和约束，以确保您无需花费数小时来尝试调试slice / pad的索引和偏移量。
应用tf.image.crop_to_bounding_box和tf.image.encode_jpeg后，图像变为蓝色蒙版
[英]Image becomes blue masked after applying tf.image.crop_to_bounding_box and tf.image.encode_jpeg
为什么使用tf.image.sample_distorted_bounding_box边界框和裁剪的图片不匹配？
[英]Why does not the bounding box and clipped picture match using tf.image.sample_distorted_bounding_box?
tf.pad 返回填充为零的数组，MNIST 数据集填充从 (28,28) 图像大小到 (32,32)
[英]tf.pad returns array filled with zero, MNIST dataset padding from (28,28) image size to (32,32)
Tensorflow tf.image.resize_image_with_crop_or_pad用于3D图像
[英]Tensorflow tf.image.resize_image_with_crop_or_pad For 3D Images
tf2.0：tf.image.resize_with_pad 失败，“使用 `tf.Tensor` 作为 Python `bool” 和 tf.keras.Input
[英]tf2.0: tf.image.resize_with_pad fails with “using a `tf.Tensor` as a Python `bool” with tf.keras.Input
使用 `tf.image.resize_image_with_crop_or_pad` 来调整 numpy 数组的大小
[英]Use `tf.image.resize_image_with_crop_or_pad` to resize numpy array
tf.data 与 tf.keras.preprocessing.image.ImageDataGenerator
[英]tf.data vs tf.keras.preprocessing.image.ImageDataGenerator
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
