为什么需要在tensorflow中为sample_distorted_bounding_box指定参数‘bounding_boxes’？答案

【问题标题】：why need to specify the parameter ‘bounding_boxes’ for sample_distorted_bounding_box in tensorflow？为什么需要在tensorflow中为sample_distorted_bounding_box指定参数‘bounding_boxes’？
【发布时间】：2018-10-15 21:54:47
【问题描述】：

sample_distorted_bounding_box(
    image_size,
    bounding_boxes,
    ...
)

提供并返回边界框 [y_min, x_min, y_max, x_max]。边界框坐标是相对于底层图像的宽度和高度在 [0.0, 1.0] 中的浮点数。

该函数会返回一个随机扭曲的边界框，为什么我需要在使用前指定一个边界框？

【问题讨论】：

标签： python-3.x tensorflow

【解决方案1】：

这是因为此函数计算的框可以使用提供的框作为输入来指导采样。

更具体地说，sample_distorted_bounding_boxes 返回的随机框可以强制包含输入边界框的最小部分。目标是避免边界框不包含或不相关信息。该分数由参数min_object_covered 控制，默认为0.1。

请注意，输入 bounding_boxes 可能为空，在这种情况下，它默认为覆盖整个图像的单个框。

【讨论】：

感谢您的回答。但我仍然不明白什么是“包含输入边界框的最小部分”？
你好，输入 bounding_boxes 的数量和返回的 distort_bbox 的数量有什么关系，似乎返回的 distort_bbox 总是 1。
@roachsinai，返回的bboxes确实只有一个box，指的是这个方法随机生成的cropping box，这个cropping box至少要覆盖每个box的min_object_covered部分。唉，这种方法的命名和文档非常混乱。他们应该将这个方法命名为类似于 geneate_random_cropping_box(...) 。