SigLIPImageConverter

[源代码]

SigLIPImageConverter 类

keras_hub.layers.SigLIPImageConverter(
    image_size=None,
    scale=None,
    offset=None,
    crop_to_aspect_ratio=True,
    pad_to_aspect_ratio=False,
    interpolation="bilinear",
    antialias=False,
    bounding_box_format="yxyx",
    data_format=None,
    **kwargs
)

将原始图像预处理为适合模型的输入。

该类将原始图像转换为适合模型的输入。此转换按以下步骤进行：

1. 使用 `image_size` 调整图像大小。如果 `image_size` 为 `None`，则将跳过此步骤。
2. 通过乘以 `scale` 来重新缩放图像，`scale` 可以是全局值或按通道的值。如果 `scale` 为 `None`，则将跳过此步骤。
3. 通过加上 `offset` 来偏移图像，`offset` 可以是全局值或按通道的值。如果 `offset` 为 `None`，则将跳过此步骤。

该层将接收一个 channels last 或 channels first 格式的原始图像张量作为输入，并输出一个用于建模的预处理图像输入。该张量可以是批处理的（秩为 4），也可以是非批处理的（秩为 3）。

此层可与 from_preset() 构造函数配合使用，以加载一个层，该层将为特定的预训练模型重新缩放和调整图像大小。以这种方式使用该层允许编写预处理代码，该代码在模型检查点之间切换时无需更新。

参数

• image_size：`(int, int)` 元组或 `None`。图像的输出尺寸，不包括通道轴。如果为 `None`，则不会调整输入的大小。
• scale: 浮点数、浮点数元组或 None。应用于输入的比例。如果 scale 是单个浮点数，则整个输入将乘以 scale。如果 scale 是一个元组，则假定它包含每个通道的比例值，乘以输入图像的每个通道。如果 scale 为 None，则不应用缩放。
• offset: 浮点数、浮点数元组或 None。应用于输入的偏移量。如果 offset 是单个浮点数，则整个输入将与 offset 求和。如果 offset 是一个元组，则假定它包含每个通道的偏移量值，与输入图像的每个通道求和。如果 offset 为 None，则不应用缩放。
• crop_to_aspect_ratio: 如果为 True，则在不失真纵横比的情况下调整图像大小。当原始纵横比与目标纵横比不同时，输出图像将被裁剪，以返回图像中与目标纵横比匹配的最大可能窗口（大小为 (height, width)）。默认情况下（crop_to_aspect_ratio=False），纵横比可能不会保留。
• interpolation：字符串，插值方法。支持 `"bilinear"`、`"nearest"`、`"bicubic"`、`"lanczos3"`、`"lanczos5"`。默认为 `"bilinear"`。
• antialias：下采样图像时是否使用抗锯齿滤波器。默认为 `False`。
• bounding_box_format: 一个字符串，指定边界框的格式，可以是 "xyxy"、"rel_xyxy"、"xywh"、"center_xywh"、"yxyx"、"rel_yxyx" 之一。指定将与图像一起调整为 image_size 的边界框的格式。要将边界框传递到此层，请在调用该层时传递一个包含键 "images" 和 "bounding_boxes" 的字典。
• data_format: 字符串，可以是 "channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应于形状为 (batch, height, width, channels) 的输入，而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为您的 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，那么它将是 "channels_last"。

示例

# Resize raw images and scale them to [0, 1].
converter = keras_hub.layers.ImageConverter(
    image_size=(128, 128),
    scale=1. / 255,
)
converter(np.random.randint(0, 256, size=(2, 512, 512, 3)))

# Resize images to the specific size needed for a PaliGemma preset.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_224"
)
converter(np.random.randint(0, 256, size=(2, 512, 512, 3)))

[源代码]

from_preset 方法

SigLIPImageConverter.from_preset(preset, **kwargs)

从模型预设实例化一个 `keras_hub.layers.ImageConverter`。

预设是一个包含配置、权重和其他文件资产的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递：

1. 内置预设标识符，如 `'pali_gemma_3b_224'`
2. Kaggle Models 句柄，如 `'kaggle://user/paligemma/keras/pali_gemma_3b_224'`
3. Hugging Face 句柄，如 `'hf://user/pali_gemma_3b_224'`
4. 本地预设目录的路径，如 `'./pali_gemma_3b_224'`

您可以运行 `cls.presets.keys()` 来列出该类上所有可用的内置预设。

参数

• preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
• load_weights：布尔值。如果为 `True`，权重将被加载到模型架构中。如果为 `False`，权重将被随机初始化。

示例

batch = np.random.randint(0, 256, size=(2, 512, 512, 3))

# Resize images for `"pali_gemma_3b_224"`.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_224"
)
converter(batch) # # Output shape (2, 224, 224, 3)

# Resize images for `"pali_gemma_3b_448"` without cropping.
converter = keras_hub.layers.ImageConverter.from_preset(
    "pali_gemma_3b_448",
    crop_to_aspect_ratio=False,
)
converter(batch) # # Output shape (2, 448, 448, 3)