[英]How to handle image size variation in Deep Learning?
我正在研究图像分类 model,它将图像分为 5 个类别。 我有 5000 个训练图像数据存储在一个文件夹中,但所有图像的高度和宽度都不同。 像这样 -
'631.jpg': {'width': 81, 'heigth': 25},
'8595.jpg': {'width': 1173, 'heigth': 769},
'284.jpg': {'width': 94, 'heigth': 75},
'5999.jpg': {'width': 4220, 'heigth': 1951}
谁能告诉我处理此类数据的任何技术?
tf.image.resize_with_crop_or_pad(image, desired_height, desired_width)
小于desired_height
和desired_width
的图像将被填充,较大的将被集中裁剪。
import tensorflow as tf
import matplotlib.pyplot as plt
_, ((first, *rest), _) = tf.keras.datasets.cifar10.load_data()
modified = tf.image.resize_with_crop_or_pad(first[None, ...]/255, 48, 48)
plt.imshow(tf.squeeze(modified))
plt.show()
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.