Tensorflow2中tf.image.resize函数的bug，以及解决办法

原创 已于 2022-05-12 15:20:28 修改 · 2.7k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow

于 2022-03-23 17:08:10 首次发布
博客讲述了在迁移EAST文本检测网络到TensorFlow 2.x时遇到的问题，即使用tf.image.resize导致预测结果偏移。作者通过替换为tf.compat.v1.image.resize_bilinear解决了该问题，确保了网络预测的准确性。
部署运行你感兴趣的模型镜像

解决办法：使用tf.compat.v1.image.resize_bilinear替换

这个bug之前在这里有人提到过，自己之前也遇到过，但是是用补救的方法解决的，这次是在准备训练EAST文本检测网络时又遇到了，记录一下解决过程。

关于EAST， github有tf1-keras低版本的已训练好的h5权重，为了能在win系统的tf2上快乐高效地训练，我按照keras2.3.1的resnet50层命名风格重建了EAST网络，这样在tf2（keras=2.4.0）上就能完美加载tf1的权重了。
在tf1中，EAST的一个resize_bilinear层是用的tf.image.resize或tf.image.resize_bilinear函数来做插值的，两个函数在使用中没有任何问题。而在tf2中，只提供了tf.image.resize函数，但网络加载权重后的预测结果有偏移：
明显在TF2中有偏差
将resize_bilinear层中的tf.image.resize替换为tf.compat.v1.image.resize_bilinear输出就正常了
诶，这次还好发现及时。。。

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

tf.image.resize与skimage的resize
songsongL的博客
08-21 2017
skimage文档是这样说的 skimage.transform.resize( image , output_shape , order=None , mode=‘reflect’ , cval=0 , clip=True , preserve_range=False , anti_aliasing=None , anti_aliasing_sigma=None ) Performs interpolation to up-size or down-size N-dimensional images. m
tf.image.resize_bilinear
qq_35037684的博客
10-20 1168
使用双线性插值调整images为size. tf.image.resize_bilinear( images, size, align_corners=False, name=None ) 输入图像可以是不同的类型,但输出图像总是浮点型的. 参数： images：一个Tensor,必须是下列类型之一：int8,uint8,int16,uint16,int32,int64,bfloat16,half,float32,float64；4维的并且具有形状[batch, heigh
tf.image.resize 中待处理图像的类型问题
Abandon_first的博客
04-01 701
最近看到的关于 tf.image.resize 函数吐槽有点多，我也来参与一下好了。 在习惯使用 cv 及 numpy 搭配对图像实现一些变换的背景下，使用 tf 的图像处理函数可能会带来很多数据层面的麻烦。 使用 image = cv2.imread(path) 得到的结果是 uint8 类型的图像，继续对 image 进行resize 等操作得到的返回结果仍然是 uint8，像素值的 range 仍然维持 0~255。然而这些整齐划一的操作在 tf.image.resize 中无法保证。 在 tf 中
Tensorflow2 之双线性插值 tf.image.resize
Burt3的博客
08-29 3685
tf.image.resize与pytorch中的nn.Upsampling的爱恨情愁 一直在使用tensorflow2搭建网络，之前没有涉及过Unet这种结构，或是即使涉及也没有仔细研究，最近恰好在做Unet网络的改进才发现，要想对于Unet输入任意尺寸的图像，还是存在一定问题的，就是下采样后的特征能否通过上采样恢复到原始分辨率，这里试举一个例子，原始输入是8x8的图像块，通过一个kernel size为3，stride为2的卷积层，same padding，这时的输出尺寸为H_new = [(H-ker
小心使用tf.image.resize_images，填坑经验分享给你
随煜而安的专栏
11-30 8891
上上周，我在一个项目上线前对模型进行测试时出现了问题，这个问题困扰了我两周，终于找到了问题根源，做个简短总结分享给你，希望对大家有帮助。 问题描述：线上线下测试结果不一致，且差异很大 具体来说， 线下测试直接load由ckpt存储的模型，然后使用cv进行数据预处理，然后正常评估测试集上的准召。 线上测试，首先使用tf.image相关函数将预处理写死在模型中，将ckpt模型转为savemodel格式...
import os import matplotlib.pylab as plt import tensorflow as tf import pathlib # 在URL上下载数据集 flowers_root = tf.keras.utils.get_file( 'flower_photos', 'https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz', untar=True) # untar=True表示自动解压下载的压缩包 flowers_root = pathlib.Path(flowers_root) print("看一下flowers_root的路径：", flowers_root) # 获取每个类下的文件数据 list_ds = tf.data.Dataset.list_files(str(flowers_root / '*/*')) def parse_image(filename): parts = tf.strings.split(filename, os.sep) # 分割数据，使用 tf.strings.split 函数将文件路径 filename 按照操作系统的路径分隔符 os.sep 进行分割 label = parts[-2] image = tf.io.read_file(filename) # 读取并输出输入文件名的全部内容 image = tf.image.decode_jpeg(image) # 编码解码处理 image = tf.image.convert_image_dtype(image, tf.float32) # 转换为float类型 image = tf.image.resize(image, [128, 128]) # 尺寸调整为128*128 return image, label file_path = next(iter(list_ds)) # 找到文件路径 image, label = parse_image(file_path) print('image的内容', image) print('***********************************************') print('label的内容', label) # 自定义函数绘制图像图形 plt.figure() plt.imshow(image) plt.title(label.numpy().decode('utf-8')) plt.axis('off') plt.show() images_ds = list_ds.map(parse_image) for image, label in images_ds.take(1): plt.figure() plt.imshow(image) plt.title(label.numpy().decode('utf-8')) plt.axis('off') plt.show() 检查错误
最新发布
03-20
用户引用的GitHub issue可能涉及到Ultralytics库的问题，但如果是TensorFlow本身的bug，检查是否有可用的更新版本，升级TensorFlow和相关依赖库可能解决问题。 最后，建议用户逐步调试，例如在数据管道中打印文件...
Tensorflow 笔记 Ⅷ——TensorFlow 数据增强
DeepHao'Blog
04-30 1473
数据增强 AlexNet 是十分经典的卷积神经网络，这里对 AlexNet 的原理不做介绍，AlexNet 取得了 2012年 ImageNet LSVRC(大规模视觉识别挑战赛)冠军，其中之一就是运用了数据增强(data augmentation)，数据增强的目的是为了防止图像的不同方位，角度来对模型预测产生较大影响 数据增强 TensorFlow 1.x 实现 数据增强部分函数解析 导入必要...
深度学习Week14——利用TensorFlow实现猫狗识别
Ying_xiaotao的博客
05-22 1253
🍨 本文为🔗365天深度学习训练营中的学习记录博客K同学啊 | 接辅导、项目定制本篇内容分为两个部分，前面部分是学习K同学给的算法知识点以及复现，后半部分是自己的拓展与未解决的问题。
原型网络tensorflow2代码（有bug）
千年暗室，一灯即明
10-08 5370
代码主要是根据原型网络tensorflow1代码改的 源代码地址是https://github.com/sudharsan13296/Hands-On-Meta-Learning-With-Python/tree/master/03.%20Prototypical%20Networks%20and%20its%20Variants 所用数据集链接如下： 链接：https://pan.baidu.com/s/1Tp1KCq5oNv-2tq9Rso4lYw 提取码：r94v import os...
TensorFlow 工程实战（一）：在TFhub中下载预训练的pb文件，并使用 TF-Hub 库微调模型评估人物年龄
HK_Joe的博客
10-19 3166
实例描述 有一组照片，每个文件夹的名称为具体的年龄，里面放的是该年纪的人物图片。 微调 TF-Hub 库，让模型学习这些样本，找到其中的规律，可以根据具体人物的图片来评估人物的年龄。 即便是通过人眼来观察他人的外表，也不能准确判断出被观察人的性别和年纪。所以在应用中，模型的准确度应该与用人眼的估计值来比对，并不能与被测目标的真实值来比对。 一、准备样本 本实例所用的样本来自于 IMDB-...
基于tensorflow的图像处理(二) tf.image的使用方法
weixin_36670529的博客
09-23 8517
目录 一、函数列表 二、tensorflow图像处理函数 1、图像编码处理 2、图像大小调整 3、图像翻转 4、图像色彩调整 5、处理框标准 三、图像预处理完整样例 四、重要的API 1、tf.image.resize_bilinear 2、tf.image.non_max_suppression 3、tf.image.crop_and_resize 4、tf.image...
使用tf.image.resize() 和tf.image.resize_with_pad()调整图像大小
Erosion_ww的博客
08-03 4682
tf.image.resize() 和tf.image.resize_with_pad()的作用和区别
Tensorflow学习笔记-tf.image.resize_images() 调整图片大小
takethevow的博客
04-10 1万+
在使用自己的图片做数据集时需要做相应的处理（缩/放）因此在使用CNN等模型之前，可以使用该方法获得你想要的大小的图片数据import matplotlib.pyplot as plt import tensorflow as tf import numpy as np image_raw_data = tf.gfile.GFile('C:/Users/DELL/Desktop/C...
TensorFlow函数：tf.image.resize_bilinear
weixin_42675603的博客
11-26 2780
TensorFlow函数：tf.image.resize_bilinear tf.image.resize_bilinear函数 tf.image.resize_bilinear( images, size, align_corners=False, name=None ) 使用双线性插值调整images为size. 输入图像可以是不同的类型,但输出图像总是浮点型...
tf.image.resize_images坑点
qq_34009929的博客
10-21 851
上上周，我在一个项目上线前对模型进行测试时出现了问题，这个问题困扰了我近两周，终于找到了问题根源，做个简短总结分享给你，希望对大家有帮助。 问题描述： 线上线下测试结果不一致，且差异很大 具体来说， 线下测试直接load由ckpt存储的模型，然后使用cv进行数据预处理，然后评估测试集上的准召，一切正常。 线上测试时，首先使用tf.image相关函数将预处理写死在模型中，将ckpt模型转为savemodel格式，然后使用tf-serving部署后，发送请求进行线上实测，此时和线下测试结果差异较大。 问
tf.image.resize（双线性插值）功能复现（python）
qq_41703793的博客
03-24 8327
双线性插值方法对tensorflow中的resize进行复现（基于python）
tensorflow2实现不失真比例的resize
sdhdsf132452的博客
01-10 1508
假设我现在有一张（h, w）= (392, 452) 的图片需要不失真比例的resize成（400, 300），可以使用tensorflow2的api： import warnings warnings.filterwarnings("ignore") import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' import tensorflow as tf import matplotlib.pyplot as plt import cv2 img =..
TensorFlow 中调整图片尺寸 tf.image.resize_images 的基本用法及实例代码
热门推荐
sdnuwjw的博客
12-27 1万+
一、环境 TensorFlow API r1.12 CUDA 9.2 V9.2.148 cudnn64_7.dll Python 3.6.3 Windows 10 二、官方说明 通过指定的方法 method 来调整输入图像 images 为指定的尺寸 size https://www.tensorflow.org/api_docs/python/tf/image/resize_im...
tensorflow2.x 图片填充式不失真的resize
qq_39197555的博客
01-06 2010
在图片预处理的时候往往需要保证原始图像的长宽尺寸保持不变，达到resize前后不失真的效果，但是数据集中很难保证每个样本图像长宽比例相等。为了保证不失真，在图像周围做0填充是不错的选择。 tensorflow2.x提供了很多图片预处理的API，实现填充式resize我们使用的是 tf.image.resize_with_pad( image, target_height, target_width, method=ResizeMethod.BILINEAR, antialias=Fal...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值