le mie informazioni di contatto
Posta[email protected]
2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
1. Miglioramento dei dati
1. Aggiungi un set di dati esistente per fornire maggiore diversità, ad esempio aggiungendo rumore di fondo diverso e modificando il colore e la forma dell'immagine.
2. I dati migliorati vengono generati online
3. Tipo di miglioramento:
(1) Capovolgi
(2) Taglio
(3) Colore
(4) Rendere più nitido e aggiungere punti
2. Riepilogo
1. L’aumento dei dati ottiene diversità deformando i dati, rendendo così il modello più generalizzabile.
2. I miglioramenti comuni dell'immagine includono il capovolgimento, il taglio e lo scolorimento
3. Basta cambiare il set di dati
4. Per ottenere risultati accurati durante il processo di previsione, solitamente eseguiamo solo l'aumento dell'immagine sui campioni di addestramento e non utilizziamo l'aumento dell'immagine con operazioni casuali durante il processo di previsione.
5. Il framework di deep learning fornisce molti metodi diversi di aumento delle immagini, che possono essere applicati simultaneamente.
3. Codice
1. Metodo di aumentoaug
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. Capovolgi
apply(img, torchvision.transforms.RandomHorizontalFlip()) apply(img, torchvision.transforms.RandomVerticalFlip())
3. Taglio
#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. Luminosità
apply(img, torchvision.transforms.ColorJitter( brightness=0.5, contrast=0, saturation=0, hue=0))
5. Tonalità del colore
apply(img, torchvision.transforms.ColorJitter( brightness=0, contrast=0, saturation=0, hue=0.5))
luminosità(brightness
), contrasto (contrast
),saturazione(saturation
) e tonalità (hue
)
6. Mescolare
augs = torchvision.transforms.Compose([ torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug]) apply(img, augs)