在张量流中使用 5D 张量调整 3D 图像的大小

Question

我正在为我的网络使用 3D 卷积。在我网络的一个节点中，我需要将图像的大小从 [5,50,50,10,256] 调整为 [5,100,100,10,256]。我只想调整图像的轴 1 和轴 2 的大小。

我尝试使用 tf.image.resize_images，但它似乎只适用于 3D 或 4D 张量。

有什么建议吗？

Answer 1

没问题，我们仍然可以使用tf.image.resize_images。我们需要做的是以张量 (4D) 所需的形状将数据发送到 tf.image.resize_images。

# First reorder your dimensions to place them where tf.image.resize_images needs them
transposed = tf.transpose( yourData, [0,3,1,2,4] )

# it is now [5,10,50,50,256]
# but we need it to be 4 dimensions, not 5
reshaped = tf.reshape( transposed, [5*10,50,50,256] )

# and finally we use tf.image.resize_images
new_size = tf.constant( [ 100 , 100 ] )
resized = tf.image.resize_images( reshaped , new_size )

# your data is now [5*10,100,100,256]
undo_reshape = tf.reshape( resized, [5,10,100,100,256] )

# it is now [5,10,100,100,256] so lastly we need to reorder it
undo_transpose = tf.transpose( undo_reshape, [0,2,3,1,4] )

# your output is now [5,100,100,10,256]

Answer 2

接受的答案是好的。但是，这里有另一种方法可以使用 built-in 方法实现此目的。

a  = tf.ones(shape=(5, 50, 50, 10, 256))
tf.keras.backend.resize_volumes(
    a, 
    depth_factor=2, 
    height_factor=2, 
    width_factor=1, 
    data_format="channels_last"
).shape
TensorShape([5, 100, 100, 10, 256])

但并非如此，对体积数据进行下采样可能不起作用。因为因子需要是整数。 (Check).

在张量流中使用 5D 张量调整 3D 图像的大小

resize 3D image with 5D tensor in tensorflow

python

tensorflow

image-resizing