Question

我有一个图像（JPEG或PNG）作为字节缓冲区（可从互联网读取），这是我之前将其放在tf.train.Example中的方式：

record = tf.train.Example(features=tf.train.Features(feature={
    'image/encoded': dataset_util.bytes_feature(image_bytes)
    # there are more features but they're not relevant
}))

但是，对于我的用例而言，图像太大了，因此我想在将它们放入tf.train.Example之前或之后（以最简单的为准）调整它们的大小。

这就是我要尝试的：

# predeclared
# - image_bytes
# - image_format
# - height
# - width

# resize image
if image_format == b'jpeg':
    image = tf.image.decode_jpeg(image_bytes, None, tf.float32)
elif image_format == b'png':
    image = tf.image.decode_png(image_bytes, None, tf.float32)

image = tf.image.resize_images(image, (int(height), int(width)))

image = tf.image.convert_image_dtype(image, tf.uint8)
record = tf.train.Example(features=tf.train.Features(feature={
    'image/encoded': dataset_util.bytes_feature(tf.image.encode_jpeg(image))
    # there are more features but they're not relevant
}))

我怀疑这是正确的，直到我实际尝试将其放入tf.train.Example为止，此时它告诉我TypeError: <tf.Tensor 'EncodeJpeg:0' shape=() dtype=string> has type Tensor, but expected one of: bytes。我试图弄清楚如何将Tensor放入BytesList或类似的文件中，但是我还没有找到任何相关的文档。我怀疑可能有更好的方法来处理整个过程。

如何正确执行此操作？

Answer 1

您可以在编码之前调整大小。

def int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))

def bytes_feature(value):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))

从字符串转换并调整大小

image = numpy.fromstring(byte_arr).reshape((height, width, channels))
image_raw = image.tostring()

然后序列化为tfrecords文件

writer = tf.python_io.TFRecordWriter(tfr_name)
example = tf.train.Example(features=tf.train.Features(feature{'height':int64_feature(height),
                                                              'width': int64_feature(width),
                                                              'channels': int64_feature(channels),
                                                              'image_raw': bytes_feature(image_raw),

writer.write(example.SerializeToString())
writer.close()

如何调整图像大小以放入tf.train.Example

1 个答案: