image-processing - tensorflow 中的 reverse() 和 reverse_sequence() 的主要区别是什么？

Question

我正在使用简单的 tensorflow 示例来翻转图像。我使用了reverse_sequence 和reverse 方法，结果是一样的。如果只使用reverse() 方法可以翻转图像，那么为什么要使用reverse_sequence() 方法呢？我只想知道这种方法之间的主要区别是什么？在此先感谢:)

import tensorflow as tf
import matplotlib.image as mpimg
import matplotlib.pyplot as plt

# First, load the image again
filename = "MarshOrchid.jpg"
image = mpimg.imread(filename)

# Create a TensorFlow Variable
x = tf.Variable(image, name='x')
height, width, depth = image.shape

model = tf.initialize_all_variables()

with tf.Session() as session:
    # x= tf.reverse(x, dims=[False, True, False],name="reverse")
    x = tf.reverse_sequence(x, [width] * height, 1, batch_dim=0)
    session.run(model)
    result = session.run(x)
    print(session.run(x))

plt.imshow(result)
plt.show()

Answer 1

tf.reverse_sequence() op 旨在用于已填充以形成密集张量的顺序数据。考虑以下矩阵，x，其中非零元素似乎是“左对齐”:

x = [[1 2 3 4 0 0 0]
     [1 2 3 0 0 0 0]
     [1 2 3 4 5 6 7]]

seq_lens = [4, 3, 7]

评估 tf.reverse_sequence(x, seq_lens, seq_dim=1, batch_dim=0) 给出:

result = [[4 3 2 1 0 0 0]
          [3 2 1 0 0 0 0]
          [7 6 5 4 3 2 1]]

请注意，结果仍然显示为“左对齐”。

相比之下，如果您评估 tf.reverse(x, [False, True]) ，序列长度被忽略，你得到一个“右对齐”的结果:

result = [[0 0 0 4 3 2 1]
          [0 0 0 0 3 2 1]
          [7 6 5 4 3 2 1]]