Обмен технологиями

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

1. Улучшение данных

1. Добавьте существующий набор данных, чтобы обеспечить большее разнообразие, например, добавив различный фоновый шум и изменив цвет и форму изображения.

2. Расширенные данные генерируются онлайн.

3. Тип улучшения:

(1) Перевернуть

(2) Резка

(3) Цвет

(4) Повысьте резкость и добавьте пятна.

2. Резюме

1. Расширение данных обеспечивает разнообразие за счет деформации данных, тем самым делая модель более обобщаемой.

2. Общие улучшения изображений включают переворачивание, обрезку и обесцвечивание.

3. Просто измените набор данных

4. Чтобы получить точные результаты в процессе прогнозирования, мы обычно выполняем увеличение изображения только на обучающих выборках и не используем увеличение изображения с помощью случайных операций во время процесса прогнозирования.

5. Платформа глубокого обучения предоставляет множество различных методов увеличения изображений, которые можно применять одновременно.

3. Код

1. Метод увеличенияaug

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. Перевернуть

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

3. Резка

#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. Яркость

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

5. Цветовой тон

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

яркость(brightness), контраст (contrast),насыщенность(saturation) и оттенок (hue）

6. Смешайте

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