TensorFlow 将图像张量大小调整为动态形状

Question

我正在尝试使用 TensorFlow 读取一些图像输入以解决图像分类问题。

当然，我正在使用tf.image.decode_jpeg(...) 进行此操作。我的图像大小可变，因此我无法为图像张量指定固定形状。

但我需要根据图像的实际大小来缩放图像。具体来说，我想以保留纵横比的方式将短边缩放为固定值，将长边缩放为固定值。

我可以通过shape = tf.shape(image)得到某个图像的实际形状。我也可以像

这样计算新的更长的边缘

shape = tf.shape(image)
height = shape[0]
width = shape[1]
new_shorter_edge = 400
if height <= width:
    new_height = new_shorter_edge
    new_width = ((width / height) * new_shorter_edge)
else:
    new_width = new_shorter_edge
    new_height = ((height / width) * new_shorter_edge)

我现在的问题是我不能将new_height 和new_width 传递给tf.image.resize_images(...)，因为其中一个是张量，而resize_images 需要整数作为高度和宽度输入。

有没有办法“拉出”张量的整数，或者有没有其他方法可以用 TensorFlow 完成我的任务？

提前致谢。

---

编辑

因为我也有 some other issues 和 tf.image.resize_images，所以下面是对我有用的代码：

shape = tf.shape(image)
height = shape[0]
width = shape[1]
new_shorter_edge = tf.constant(400, dtype=tf.int32)

height_smaller_than_width = tf.less_equal(height, width)
new_height_and_width = tf.cond(
    height_smaller_than_width,
    lambda: (new_shorter_edge, _compute_longer_edge(height, width, new_shorter_edge)),
    lambda: (_compute_longer_edge(width, height, new_shorter_edge), new_shorter_edge)
)

image = tf.expand_dims(image, 0)
image = tf.image.resize_bilinear(image, tf.pack(new_height_and_width))
image = tf.squeeze(image, [0])

Answer 1

执行此操作的方法是使用（目前是实验性的，但在下一版本中可用）tf.cond()* 运算符。此运算符能够测试在运行时计算的值，并根据该值执行两个分支之一。

shape = tf.shape(image)
height = shape[0]
width = shape[1]
new_shorter_edge = 400
height_smaller_than_width = tf.less_equal(height, width)

new_shorter_edge = tf.constant(400)
new_height, new_width = tf.cond(
    height_smaller_than_width,
    lambda: new_shorter_edge, (width / height) * new_shorter_edge,
    lambda: new_shorter_edge, (height / width) * new_shorter_edge)

现在您有了new_height 和new_width 的Tensor 值，它们将在运行时采用适当的值。

---

* 要访问当前发布版本中的运算符，您需要导入以下内容：

from tensorflow.python.ops import control_flow_ops

...然后使用control_flow_ops.cond() 而不是tf.cond()。