Класс RandomTranslation

Класс RandomTranslation относится к слоям предобработки изображений и применяется к данным во время обучения. Слой случайным образом смещает изображение по ширине и высоте, заполняя освободившиеся области нулями. Первым параметром передаётся ширина сдвига, вторым - высота сдвига. Третьим параметром можно указать режим заполнения fill_mode, а четвёртым - значение для заполнения fill_value.

Ширина и высота сдвига задаются либо числом, либо кортежем из двух чисел. Если передано одно число, сдвиг выбирается случайно в диапазоне от минус этого числа до плюс этого числа. Если передан кортеж, сдвиг выбирается в указанном диапазоне. Значения задаются в долях от размера изображения.

Синтаксис

tf.keras.layers.RandomTranslation(
	height_factor,
	width_factor,
	fill_mode='reflect',
	fill_value=0.0,
	seed=None
)

Пример

Давайте создадим слой случайного сдвига и применим его к тензору изображения:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.RandomTranslation(0.2, 0.2)
t = tf.constant([[[[1], [2]], [[3], [4]]]], dtype=tf.float32)
res = layer(t, training=True)
print(res)

Результат выполнения кода:

tf.Tensor(
[[[[0.]
   [0.]]
  [[0.]
   [0.]]]], shape=(1, 2, 2, 1), dtype=float32)

Пример

Давайте применим слой к изображению с формой побольше и посмотрим на результат:

import tensorflow as tf

tf.random.set_seed(0)

layer = tf.keras.layers.RandomTranslation(0.1, 0.1, fill_mode='constant')
t = tf.constant([[[[1], [2], [3]], [[4], [5], [6]], [[7], [8], [9]]]], dtype=tf.float32)
res = layer(t, training=True)
print(res)

Результат выполнения кода:

tf.Tensor(
[[[[0.]
   [0.]
   [0.]]
  [[0.]
   [1.]
   [2.]]
  [[0.]
   [4.]
   [5.]]]], shape=(1, 3, 3, 1), dtype=float32)

Пример

Давайте используем слой внутри модели Keras для аугментации данных:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.RandomTranslation(0.2, 0.2),
	tf.keras.layers.Conv2D(1, (1, 1), input_shape=(4, 4, 1))
])
t = tf.constant([[[[1], [2], [3], [4]],
				  [[5], [6], [7], [8]],
				  [[9], [10], [11], [12]],
				  [[13], [14], [15], [16]]]], dtype=tf.float32)
res = model(t, training=True)
print(res.shape)

Результат выполнения кода:

(1, 4, 4, 1)

Смотрите также

класс RandomRotation,
который случайно поворачивает изображение
класс RandomZoom,
который случайно масштабирует изображение
класс RandomFlip,
который случайно отражает изображение
класс RandomCrop,
который случайно вырезает часть изображения