【发布时间】:2019-03-13 07:31:50
【问题描述】:
我正在尝试创建用于训练 2 类语义分割网络的数据批次。目标分割图像有 2 层,第一层为 1 类的所有像素,否则为 0。第二层的像素是倒置的。
在数据集中,我的输出图像是带有[255,255,255] 和[0,0,0] 的3 通道rgb 图像。输入和输出图像存储在 tf-record 文件中。
当我在 numpy 中进行实验时,我使用以下代码创建了一个 2 通道二进制图像:
c1_pix = np.all(op_img == np.array([255,255,255]), axis=2)
c1_pix = c1_pix.reshape(*(h,w), 1)
op_arr = np.concatenate((c1_pix, np.invert(c1_pix)), axis=2)
这给了我想要的 2 层 1 和 0 图像。
我正在尝试在 tensorflow 中重复它,但我是新手。我试过c1_pix = tf.where(tf.equal(op_img, [[[255,255,255]]]))。它似乎有效,但它返回 1 和 0 的 3 通道 int64 张量,我无法反转它。
有人可以帮我解决这个问题吗?
谢谢,
【问题讨论】:
标签: python numpy tensorflow machine-learning binary-image