7

如以下代码所示，张量流tf.nn.dilation2D函数的行为不像传统的膨胀运算符。

import tensorflow as tf
tf.InteractiveSession()
A = [[0, 0, 0, 0, 0, 0, 0],
     [0, 0, 0, 0, 1, 0, 0],
     [0, 0, 0, 1, 1, 1, 0],
     [0, 0, 0, 0, 1, 0, 0],
     [0, 0, 0, 0, 0, 0, 0],
     [0, 0, 0, 0, 0, 0, 0]]
kernel = tf.ones((3,3,1))
input4D = tf.cast(tf.expand_dims(tf.expand_dims(A, -1), 0), tf.float32)
output4D = tf.nn.dilation2d(input4D, filter=kernel, strides=(1,1,1,1), rates=(1,1,1,1), padding="SAME")
print(tf.cast(output4D[0,:,:,0], tf.int32).eval())

返回以下张量：

array([[1, 1, 1, 2, 2, 2, 1],
       [1, 1, 2, 2, 2, 2, 2],
       [1, 1, 2, 2, 2, 2, 2],
       [1, 1, 2, 2, 2, 2, 2],
       [1, 1, 1, 2, 2, 2, 1],
       [1, 1, 1, 1, 1, 1, 1]], dtype=int32)

我也不明白它为什么会这样，也不明白我应该如何使用它tf.nn.dilation2d来检索预期的输出：

array([[0, 0, 0, 1, 1, 1, 0],
       [0, 0, 1, 1, 1, 1, 1],
       [0, 0, 1, 1, 1, 1, 1],
       [0, 0, 1, 1, 1, 1, 1],
       [0, 0, 0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0, 0, 0]], dtype=int32)

有人可以启发 tensorflow 的简洁文档并解释该tf.nn.dilation2D函数的作用吗？

4

2 回答 2

7

如链接的文档页面中所述，

计算 4-D 输入和 3-D 滤波器张量的灰度膨胀。

和

详细地说，灰度形态二维膨胀是最大和相关 [...]

这意味着将内核的值添加到每个位置的图像值中，然后将最大值作为输出值。

将此与相关性进行比较，将乘法替换为加法，将积分（或总和）替换为最大值：

      卷积：g ( t ) = ∫ f () h (- t ) d

      膨胀：g ( t ) = 最大值{ f () + h (- t ) }

或者在离散世界中：

      卷积：g [ n ] = ∑<sub> k f [ k ] h [ k - n ]

      膨胀：g [ n ] = max k { f [ k ] + h [ k - n ] }

具有二进制结构元素的膨胀（内核，问题称为“常规膨胀”）使用仅包含 1 和 0 的结构元素（内核）。这些表示“包含”和“排除”。也就是说，1 决定了结构元素的域。

要使用灰度值膨胀重新创建相同的行为，请将“包含”像素设置为 0，将“排除”像素设置为负无穷大。

例如，问题中使用的 3x3 方形结构元素应该是 3x3 零矩阵。

于 2019-03-17T07:14:16.163 回答
4

可以这样做：

def dilation2d(self, img4D):
    '''
    '''
    with tf.variable_scope('dilation2d'):
        kernel = tf.ones((3, 3, img4D.get_shape()[3])) 
        output4D = tf.nn.dilation2d(img4D, filter=kernel, strides=(1,1,1,1), rates=(1,1,1,1), padding="SAME")
        output4D = output4D - tf.ones_like(output4D)

        return output4D
于 2019-05-31T08:45:56.263 回答