[英]tf.image.pad_to_bounding_box VS tf.pad and tf.image.crop_to_bounding_box VS tf.slice
我想了解為什么存在兩個函數tf.image.crop_to_bounding_box和tf.image.pad_to_bounding_box ，因為這兩個函數的行為實際上可以分別通過tf.slice和tf.pad來完成。
它們並不是那么容易理解，並且它們的范圍很窄，因為它們僅接受3D和4D張量。 此外，它們往往在執行時間方面較慢。
我有什么想念的嗎？
通常，您使用它們tf.image.*為了易於使用。
crop_to_bounding_box和pad_to_bounding_box都在下面使用了slice和pad ，但是還添加了檢查和約束，以確保您無需花費數小時來嘗試調試slice / pad的索引和偏移量。
應用tf.image.crop_to_bounding_box和tf.image.encode_jpeg后，圖像變為藍色蒙版
[英]Image becomes blue masked after applying tf.image.crop_to_bounding_box and tf.image.encode_jpeg
為什么使用tf.image.sample_distorted_bounding_box邊界框和裁剪的圖片不匹配？
[英]Why does not the bounding box and clipped picture match using tf.image.sample_distorted_bounding_box?
tf.pad 返回填充為零的數組，MNIST 數據集填充從 (28,28) 圖像大小到 (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用於3D圖像
[英]Tensorflow tf.image.resize_image_with_crop_or_pad For 3D Images
tf2.0：tf.image.resize_with_pad 失敗，“使用 `tf.Tensor` 作為 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` 來調整 numpy 數組的大小
[英]Use `tf.image.resize_image_with_crop_or_pad` to resize numpy array
tf.data 與 tf.keras.preprocessing.image.ImageDataGenerator
[英]tf.data vs tf.keras.preprocessing.image.ImageDataGenerator
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
