Класс RandomZoom

Класс RandomZoom применяется к изображениям и выполняет случайное увеличение или уменьшение масштаба. Первым параметром передаётся коэффициент масштабирования height_factor, вторым - width_factor. Если второй параметр не указан, он принимает значение первого. Третьим параметром можно передать стратегию заполнения fill_mode, а четвёртым - значение fill_value для заполнения освободившихся областей.

Синтаксис

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

Пример

Давайте применим случайное масштабирование к тензору с изображением:

import tensorflow as tf

tf.random.set_seed(0)

t = tf.constant([[[1], [2], [3]], [[4], [5], [6]]], dtype=tf.float32)
layer = tf.keras.layers.RandomZoom(0.5)
res = layer(t, training=True)
print(res)

Результат выполнения кода:

tf.Tensor(
[[[5.]
  [5.]
  [5.]]

 [[5.]
  [5.]
  [5.]]], shape=(2, 3, 1), dtype=float32)

Пример

Давайте зададим разные коэффициенты для высоты и ширины:

import tensorflow as tf

tf.random.set_seed(0)

t = tf.constant([[[1], [2], [3]], [[4], [5], [6]]], dtype=tf.float32)
layer = tf.keras.layers.RandomZoom(0.2, 0.4)
res = layer(t, training=True)
print(res)

Результат выполнения кода:

tf.Tensor(
[[[3.]
  [3.]
  [3.]]

 [[5.]
  [5.]
  [5.]]], shape=(2, 3, 1), dtype=float32)

Пример

Давайте используем случайное масштабирование в составе модели:

<+python+> import tensorflow as tf tf.random.set_seed(0) model = tf.keras.Sequential([ tf.keras.layers.RandomZoom(0.3), tf.keras.layers.Conv2D(1, (1, 1)) ]) t = tf.constant([[[[1], [2], [3]], [[4], [5], [6]]]], dtype=tf.float32) res = model(t, training=True) print(res.shape) <-python+>

Результат выполнения кода:

(1, 2, 3, 1)

Смотрите также

класс RandomRotation,
который случайно поворачивает изображения
класс RandomTranslation,
который случайно сдвигает изображения
класс RandomCrop,
который случайно вырезает часть изображения
класс Resizing,
который изменяет размер изображения