Teknologian jakaminen

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1. Tietojen parantaminen

1. Lisää olemassa oleva tietojoukko monimuotoisuuden lisäämiseksi, kuten lisäämällä erilaisia ​​taustakohinaa ja muuttamalla kuvan väriä ja muotoa.

2. Paranneltua dataa luodaan verkossa

3. Lisäyksen tyyppi:

(1) Käännä

(2) Leikkaus

(3) Väri

(4) Teroita ja lisää täpliä

2. Yhteenveto

1. Tietojen lisääminen saa aikaan monimuotoisuutta muokkaamalla dataa, mikä tekee mallista yleistettävämmän.

2. Yleisiä kuvan parannuksia ovat kääntäminen, leikkaaminen ja värin muuttaminen

3. Muuta vain tietojoukkoa

4. Tarkkojen tulosten saamiseksi ennustusprosessin aikana suoritamme yleensä vain kuvanlisäyksen harjoitusnäytteille, emmekä käytä kuvan lisäystä satunnaisilla operaatioilla ennustusprosessin aikana.

5. Syväoppimiskehys tarjoaa monia erilaisia ​​kuvanlisäysmenetelmiä, joita voidaan soveltaa samanaikaisesti.

3. Koodi

1. Lisäysmenetelmäaug

def apply(img, aug, num_rows=2, num_cols=4, scale=1.5):
    Y = [aug(img) for _ in range(num_rows * num_cols)]
    d2l.show_images(Y, num_rows, num_cols, scale=scale)

2. Käännä

apply(img, torchvision.transforms.RandomHorizontalFlip())
apply(img, torchvision.transforms.RandomVerticalFlip())

3. Leikkaus

#面积为原始面积10%到100%的区域，宽高比从0.5～2之间随机取值
shape_aug = torchvision.transforms.RandomResizedCrop(
    (200, 200), scale=(0.1, 1), ratio=(0.5, 2))
apply(img, shape_aug)

4. Kirkkaus

apply(img, torchvision.transforms.ColorJitter(
    brightness=0.5, contrast=0, saturation=0, hue=0))

5. Värisävy

apply(img, torchvision.transforms.ColorJitter(
    brightness=0, contrast=0, saturation=0, hue=0.5))

kirkkaus(brightness), kontrasti (contrast),kylläisyys(saturation) ja sävy (hue）

6. Sekoita

augs = torchvision.transforms.Compose([
    torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
apply(img, augs)