tensorflow对图像进行拼接的例子
tensorflow对图像进行多个块的行列拼接tf.concat(),tf.stack()
在深度学习过程中，通过卷积得到的图像块大小是8×8×1024的图像块，对得到的图像块进行reshape得到[8×8]×[32×32]，其中[8×8]是图像块的个数，[32×32]是小图像的大小。通过tf.concat对小块的图像进行拼接。
-在做图像卷积的过程中，做了这样一个比较麻烦的拼接，现在还没想到更好的拼接方法，因为是块拼接，开始的时候使用了reshape，但是得到的结果不对，需要确定清楚数据的维度，对于数据的维度很是问题。
importtensorflowastf deftensor_concat(f,axis): x1=f[0,:,:] foriinrange(1,8): x1=tf.concat([x1,f[i,:,:]],axis=axis) returnx1 defblock_to_image(f): x1=tf.reshape(f,[64,1024]) x1=tf.reshape(x1,[64,32,32]) m2=tensor_concat(x1[0:8,:,:],axis=1) foriinrange(1,8): m1=tensor_concat(x1[i*8:(i+1)*8,:,:],axis=1) m2=tf.concat([m2,m1],axis=0) x2=tf.reshape(m2,[256,256,1]) returnx2 x=tf.random_normal([8,8,1024]) withtf.Session()assess: m=sess.run(x) m1=sess.run(block_to_image(m))
最后通过行拼接和列拼接得到图像大小为256×256×1大小的图像。
对[batch_size,height,weight,channel]的图像进行1一样的图像块拼接：
在深度神经网络中，会有batch_size个图像大小[256×256×1]的图像进行块的拼接，对于多了一个维度的图像拼接起来，由[batch_size,8,8,1024]拼接为[batch_size,256,256,1]。在做着部分时batch_size这部分实在是不知道怎么处理，所以还是用了本办法，使用的函数是append和tf.stack()
deftensor_concat(f,axis): x1=f[0,:,:] foriinrange(1,8): x1=tf.concat([x1,f[i,:,:]],axis=axis) returnx1 defblock_to_image(f): x3=[] forkinrange(f.shape[0]): x=f[k,:,:,:] x1=tf.reshape(x,[64,1024]) x1=tf.reshape(x1,[64,32,32]) m2=tensor_concat(x1[0:8,:,:],axis=1) foriinrange(1,8): m1=tensor_concat(x1[i*8:(i+1)*8,:,:],axis=1) m2=tf.concat([m2,m1],axis=0) x2=tf.reshape(m2,[256,256,1]) x3.append(x2) x4=tf.stack(x3) returnx4 x=tf.random_normal([10,8,8,1024]) withtf.Session()assess: m=sess.run(x) m1=sess.run(block_to_image1(m))
在学习过程中对tensor不能直接赋值，比如不能写：
x2=tf.reshape(m2,[256,256,1]) x3[k,:,:,1]=x2
这样的代码，会出现错误：'Tensor'objectdoesnotsupportitemassignment
对于带有类似索引的赋值，参考的办法是：
x3=[] x3.append(x2)
这时候得到的是list的格式，所以接下来将list转化为array,使用的是tf.stack(x3)
以上这篇tensorflow对图像进行拼接的例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。