TF之p2p:基于TF利用p2p模型部分代码实现提高图像的分辨率
TF之p2p:基于TF利用p2p模型部分代码实现提高图像的分辨率
目录
一、tfimage.py文件功能解释
二、process.py添加一个新操作
一、tfimage.py文件功能解释
1、此处的create_op就调用了tf.get_default_session().run()方法,可以将Tensor 操作的函数转变为对Numpy 数组操作的函数,转换后的函数输出为Numpy的数组,而不是Tensor。例如,下面的decode_jpeg和decode_png。
def create_op(func, **placeholders):op = func(**placeholders)def f(**kwargs):feed_dict = {}for argname, argvalue in kwargs.items():placeholder = placeholders[argname]feed_dict[placeholder] = argvaluereturn tf.get_default_session().run(op, feed_dict=feed_dict)return fdecode_jpeg = create_op(func=tf.image.decode_jpeg,contents=tf.placeholder(tf.string),
)decode_png = create_op(func=tf.image.decode_png,contents=tf.placeholder(tf.string),
)
2、tfimage.py里使用decode_jpeg和deco de_png定义了一个load函数。load函数的输入是一个图片文件路径,返回的是numpy. ndarray 形式的图像数据。
def load(path):with open(path, "rb") as f:contents = f.read()_, ext = os.path.splitext(path.lower())if ext == ".jpg":image = decode_jpeg(contents=contents)elif ext == ".png":image = decode_png(contents=contents)else:raise Exception("invalid image suffix")return to_float32(image=image)
3、还利用create_op函数定义了若干函数
rgb_to_grayscale = create_op(func=tf.image.rgb_to_grayscale,images=tf.placeholder(tf.float32),
)……crop = create_op(func=tf.image.crop_to_bounding_box,image=tf.placeholder(tf.float32),offset_height=tf.placeholder(tf.int32, []),offset_width=tf.placeholder(tf.int32, []),target_height=tf.placeholder(tf.int32, []),target_width=tf.placeholder(tf.int32, []),
)pad = create_op(func=tf.image.pad_to_bounding_box,image=tf.placeholder(tf.float32),offset_height=tf.placeholder(tf.int32, []),offset_width=tf.placeholder(tf.int32, []),target_height=tf.placeholder(tf.int32, []),target_width=tf.placeholder(tf.int32, []),
)
二、process.py添加一个新操作
1、process.py 的主处理函数process 使用了上述load 函数读入图片,接着做了一些处理后保存。
def process(src_path, dst_path):src = im.load(src_path)if a.operation == "grayscale":dst = grayscale(src)elif a.operation == "resize":dst = resize(src)elif a.operation == "blank":dst = blank(src)elif a.operation == "combine":dst = combine(src, src_path)elif a.operation == "edges":dst = edges(src)elif a.operation == "blur":dst = blur(src)else:raise Exception("invalid operation")im.save(dst, dst_path)
2、添加新的函数
TF之p2p:基于TF利用p2p模型部分代码实现提高图像的分辨率相关推荐
- DL之CycleGAN:基于TF利用CycleGAN模型对apple2orange数据集实现图像转换—训练测试过程全记录
DL之CycleGAN:基于TF利用CycleGAN模型对apple2orange数据集实现图像转换-训练&测试过程全记录 目录 apple2orange数据集 输出结果 训练&测试过 ...
- CV之FD之HOG:图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略
CV之FD之HOG:图像检测之基于HOG算法.简介.代码实现(计算图像相似度)之详细攻略 图像检测之基于HOG算法.简介.代码实现(计算图像相似度)之详细攻略 相关文章:CV之FD之HOG:图像检测之 ...
- 基于服务器利用VS调试远程代码
一.需求 本次想要运行的项目是一个表格识别的任务叫TGRNet,具体的https://github.com/xuewenyuan/TGRNet代码放在服务器上,最初使用docker配置环境,仅仅希望能 ...
- Gradient Transfer Optimization Model:基于梯度转移优化模型的红外与可见光图像融合
目录
- 基于Python的图像超分辨率(Image Super Resolution)
资源下载地址:https://download.csdn.net/download/sheziqiong/85596189 一.业务背景 本实验将使用时深度学习技术对图像进行超分辨率重建,设计到的技术 ...
- 【图像超分辨率】基于ResNet或GAN的遥感图像超分辨率论文
基于ResNet或GAN的遥感图像超分辨率论文 <空间感知残差网络的遥感图像超分辨率重建> 操作: 遥感图像特点: 网络模型: 去掉批处理层的原因: 具体操作 损失方程: <改进的残 ...
- DL之Attention-ED:基于TF NMT利用带有Attention的 ED模型训练、测试(中英文平行语料库)实现将英文翻译为中文的LSTM翻译模型过程全记录
DL之Attention-ED:基于TF NMT利用带有Attention的 ED模型训练(中英文平行语料库)实现将英文翻译为中文的LSTM翻译模型过程全记录 目录 测试输出结果 模型监控 训练过程全 ...
- NLP之WE之Skip-Gram:基于TF利用Skip-Gram模型实现词嵌入并进行可视化、过程全记录
NLP之WE之Skip-Gram:基于TF利用Skip-Gram模型实现词嵌入并进行可视化 目录 输出结果 代码设计思路 代码运行过程全记录 输出结果 代码设计思路 代码运行过程全记录 3081 or ...
- DL之pix2pix:基于TF利用pix2pix模型对food_resized数据集实现Auto Color自动上色技术—训练测试过程全记录
DL之pix2pix:基于TF利用pix2pix模型对food_resized数据集实现Auto Color自动上色技术 目录 训练 food_resized数据集展示 TB过程监控 1.SCALAR ...
最新文章
- 几种Normalization算法.md
- 趣图:老手调试多线程,666
- 一条诡异的insert语句
- 基于FPGA的BP神经网络的verilog实现
- python调用ffmpeg合并_用ffmpeg命令处理mp4剪切与合并
- html列表拖拽排序插件,JS拖拽排序插件Sortable.js用法实例分析
- hint为什么不显示_英雄联盟手游kda活动为什么没有?kda女团活动在哪里怎么不显示...
- 第三届“空间信息网络”学术论坛诚邀您的参加
- 10、存储过程、while语句
- Java数学工具类MathUtil
- The Coding Kata: FizzBuzzWhizz in Modern C++11
- 浅入浅出 Android 安全 翻译完成!
- AutoCAD 版本历史 版本代号
- sdr 软件_将永远改变我们业余无线电爱好的SDR软件定义无线电技术
- ActiveSync用蓝牙接口PC与WM6同步
- java 类型推断_Java™ 教程(类型推断)
- 一文学会 Spring MVC 表单标签
- KMP的next迷思
- 面向对象的封装,继承,多态。
- 实验三 XSS和SQL注入