質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
R

R言語は、「S言語」をオープンソースとして実装なおした、統計解析向けのプログラミング言語です。 計算がとても速くグラフィックも充実しているため、数値計算に向いています。 文法的には、統計解析部分はS言語を参考にしており、データ処理部分はSchemeの影響を受けています。 世界中の専門家が開発に関わり、日々新しい手法やアルゴリズムが追加されています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

1回答

3576閲覧

expand_dimsの使い方

nissyl

総合スコア17

R

R言語は、「S言語」をオープンソースとして実装なおした、統計解析向けのプログラミング言語です。 計算がとても速くグラフィックも充実しているため、数値計算に向いています。 文法的には、統計解析部分はS言語を参考にしており、データ処理部分はSchemeの影響を受けています。 世界中の専門家が開発に関わり、日々新しい手法やアルゴリズムが追加されています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2018/09/13 01:18

現在、こちらの方のカーネルを見ながらCNNを使った画像処理の方法を学んでいます。
https://www.kaggle.com/jonnedtc/cnn-segmentation-connected-components

その中で配列に変換した画像に対して、以下のような関数を定義しています。

python

1def __load__(self, filename): 2 # load dicom file as numpy array 3 img = pydicom.dcmread(os.path.join(self.folder, filename)).pixel_array 4 # create empty mask 5 msk = np.zeros(img.shape) 6 # get filename without extension 7 filename = filename.split('.')[0] 8 # if image contains pneumonia 9 if filename in self.pneumonia_locations: 10 # loop through pneumonia 11 for location in self.pneumonia_locations[filename]: 12 # add 1's at the location of the pneumonia 13 x, y, w, h = location 14 msk[y:y+h, x:x+w] = 1 15 # resize both image and mask 16 img = resize(img, (self.image_size, self.image_size), mode='reflect') 17 msk = resize(msk, (self.image_size, self.image_size), mode='reflect') > 0.5 18 # if augment then horizontal flip half the time 19 if self.augment and random.random() > 0.5: 20 img = np.fliplr(img) 21 msk = np.fliplr(msk) 22 # add trailing channel dimension 23 img = np.expand_dims(img, -1) 24 msk = np.expand_dims(msk, -1) 25 return img, msk 26

この中で、

python

1expand_dims(img, -1)

という処理をしているのですが、どういう内容の処理をしているのかが分からず、
ドキュメントを読んでもよく理解できないまま、途方にくれています。。

もし分かる方がいらっしゃいましたら、ご教示頂けますと幸いです。
よろしくお願い致します。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

以下のように形状が (100, 100, 3) の numpy 配列を定義した場合、axis は下記のようになります。

python

1import numpy as np 2 3img = np.zeros((100, 100, 3), dtype=float) 4print(img.shape) # (100, 100, 3)

| Axis | 0 | 1 | 2 |
| ---- | ---- |
| Dim | 100 | 100 | 3 |

np.expand_dims() は、第2引数の axis で指定した場所の直前に dim=1 を挿入します。負の値の場合は、Python の添字記法と同じ末尾からの参照になります。

python

1_img = np.expand_dims(img, axis=0) 2print(_img.shape) # (1, 100, 100, 3) 3 4_img = np.expand_dims(img, axis=1) 5print(_img.shape) # (100, 1, 100, 3) 6 7_img = np.expand_dims(img, axis=2) 8print(_img.shape) # (100, 100, 1, 3) 9 10_img = np.expand_dims(img, axis=3) 11print(_img.shape) # (100, 100, 3, 1) 12 13_img = np.expand_dims(img, axis=-1) 14print(_img.shape) # (100, 100, 3, 1) 15 16_img = np.expand_dims(img, axis=-2) 17print(_img.shape) # (100, 100, 3, 1) 18 19_img = np.expand_dims(img, axis=-3) 20print(_img.shape) # (100, 1, 100, 3) 21 22_img = np.expand_dims(img, axis=-4) 23print(_img.shape) # (1, 100, 100, 3)

投稿2018/09/13 02:01

tiitoi

総合スコア21954

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

nissyl

2018/09/13 13:17

理解できました!!ありがとうございます!!
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問