如何在 TFRecord 文件中读取不同大小的图像

Question

我创建了一个数据集并将其保存到 TFRecord 文件中。问题是图片有不同的大小，所以我想保存图片的大小。所以我使用了 TFRecordWriter 并定义了如下特性：

example = tf.train.Example(features=tf.train.Features(feature={
  'rows': _int64_feature(image.shape[0]),
  'cols': _int64_feature(image.shape[1]),
  'image_raw': _bytes_feature(image_raw)}))

我希望我可以使用 TFRecordReader 读取和解码图像，但问题是我无法从文件中获取行和列的值，因为它们是张量。那么我应该如何动态读取大小并相应地重塑图像。谢谢大家

Answer 1

您可以使用动态shape 参数调用tf.reshape。

image_rows = tf.cast(features['rows'], tf.int32)
image_cols = tf.cast(features['cols'], tf.int32)
image_data = tf.decode_raw(features['image_raw'], tf.uint8)
image = tf.reshape(image_data, tf.pack([image_rows, image_cols, 3]))

Answer 2

我建议的工作流程如下：

TARGET_HEIGHT = 500
TARGET_WIDTH = 500

image = tf.image.decode_jpeg(image_buffer, channels=3)
image = tf.image.convert_image_dtype(image, dtype=tf.float32)

# Choose your bbox here.
bbox_begin = ...  (should be (h_start, w_start, 0))
bbox_size = tf.constant((TARGET_HEIGHT, TARGET_WIDTH, 3), dtype=tf.int32)

cropped_image = tf.slice(image, bbox_begin, bbox_size)

cropped_image 有一个恒定的张量大小，然后可以被扔进一个随机批次中。

您可以使用tf.shape(image) 动态访问解码图像的大小。您可以对生成的子元素进行计算，然后使用bbox_begin = tf.pack([bbox_h_start, bbox_y_start, 0]) 之类的东西将它们缝合在一起。只需要在其中插入您自己的逻辑来确定裁剪的起点，以及如果图像开始小于您想要的管道时您想要做什么。

如果您想仅在图像小于您的目标尺寸时放大，您将需要使用tf.control_flow_ops.cond 或等效项。但是您可以使用 min 和 max 操作来设置裁剪窗口的大小，以便在它小于请求的尺寸时返回完整的图像，然后无条件地将大小调整为 500x500。裁剪后的图像已经是 500x500，因此调整大小应该成为有效的无操作。