如何在 ImageDataGenerator 中调整图像大小

Question

根据我的理解，当使用tensorflow keras时，我们可以使用

ImageDataGenerator

从目录中传输数据。当数据流入时，它们的大小会调整为

target_size

。但这种转变是如何完成的呢？

一个例子是这样的：

from tensorflow.keras.preprocessing.image import ImageDataGenerator
trainDir = 'train'
dataGen = ImageDataGenerator(rescale=1/255)
gen = dataGen.flow_from_directories(
  trainDir,
  batch_size=64,
  target_size=(150, 150),
  class_mode='binary'
)

在这里，来自

trainDir

的所有图像都将调整为 150x150。但它们是如何调整大小的呢？

我已经检查了 tensorflow ImageDataGenerator 的文档。它只说

target_size

是“所有找到的图像都将调整到的尺寸”。但我没有找到关于如何调整大小的解释。

Answer 1

当

interpolation

与输入图像的大小不同时，它使用

target_size

参数。使用的默认插值方法是

nearest

，但也可以使用其他方法。

来源：https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image/ImageDataGenerator

Answer 2

ImageDataGenerator 有一个参数 fill_mode。这个参数可以设置如下

One of {"constant", "nearest", "reflect" or "wrap"}. Default is 'nearest'. Points outside the boundaries of the input are filled according to the given mode:
'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k)
'nearest': aaaaaaaa|abcd|dddddddd
'reflect': abcddcba|abcd|dcbaabcd
'wrap': abcdabcd|abcd|abcdabcd
frankly I have no idea what the above is intending to illustrate