Transformasi Gambar Init
Artikel ini menjelaskan cara menggunakan komponen Transformasi Gambar Init di perancang Azure Machine Learning, untuk menginisialisasi transformasi gambar untuk menentukan bagaimana Anda ingin mengubah gambar.
Cara mengonfigurasi Init Image Transformation
Tambahkan komponen Transformasi Gambar Init ke alur Anda di perancang.
Untuk Ubah ukuran, tentukan apakah akan mengubah ukuran gambar PIL input ke ukuran yang diberikan. Jika Anda memilih 'True', Anda dapat menentukan ukuran gambar output yang diinginkan dalam Ukuran, dengan ukuran default 256.
Untuk Pemangkasan di tengah, tentukan apakah akan memangkas Gambar PIL yang diberikan di bagian tengah. Jika Anda memilih 'True', Anda dapat menentukan ukuran gambar output yang diinginkan dalam Ukuran pangkas, dengan ukuran default 224.
Untuk Pad, tentukan apakah akan menambahkan pad ke Gambar PIL di semua sisi dengan nilai pad 0. Jika Anda memilih 'True', Anda dapat menentukan padding (berapa banyak piksel yang ditambahkan) di setiap batas di Padding.
Untuk Geletar warna, tentukan apakah akan mengubah kecerahan, kontras, dan saturasi gambar secara acak.
Untuk Skala abu-abu, tentukan apakah akan mengonversi gambar menjadi skala abu-abu.
Untuk Pemangkasan ke ukuran acak, tentukan apakah akan memangkas Gambar PIL yang diberikan ke ukuran dan rasio aspek acak. Pemangkasan ukuran acak (berkisar dari 0,08 hingga 1,0) dari ukuran asli dan rasio aspek acak (berkisar dari 3/4 hingga 4/3) dari rasio aspek asli akan dibuat. Pemangkasan ini akan mengubah ukuran menjadi ukuran yang diberikan. Pemangkasan ini biasanya digunakan dalam pelatihan jaringan Inception. Jika Anda memilih 'True', Anda dapat menentukan ukuran output yang diharapkan dari setiap tepi dalam ukuran Acak, secara default 256.
Untuk Pemangkasan acak, tentukan apakah akan memangkas Gambar PIL yang diberikan di lokasi acak. Jika Anda memilih 'True', Anda dapat menentukan ukuran gambar output yang diinginkan dalam Ukuran pemangkasan acak, dengan ukuran default 224.
Untuk Pembalikan horizontal acak, tentukan apakah akan membalik secara horizontal Gambar PIL yang diberikan secara acak dengan probabilitas 0,5.
Untuk Pembalikan vertikal acak, tentukan apakah akan membalik secara vertikal Gambar PIL yang diberikan secara acak dengan probabilitas 0,5.
Untuk Rotasi acak, tentukan apakah akan memutar gambar berdasarkan sudut. Jika Anda memilih 'True', Anda dapat menentukannya dalam rentang derajat dengan mengatur Derajat rotasi acak, yang berarti (-derajat, +derajat), secara default 0.
Untuk Affine acak, tentukan apakah akan melakukan transformasi affine secara acak dari gambar yang menjaga invariasi pusat. Jika Anda memilih 'True', Anda dapat menentukan dalam rentang derajat untuk dipilih dalam Derajat affine acak, yang berarti (-derajat, +derajat), secara default 0.
Untuk Skala abu-abu acak, tentukan apakah akan mengonversi gambar secara acak ke skala abu-abu dengan probabilitas 0,1.
Untuk Perspektif acak, tentukan apakah akan melakukan transformasi Perspektif dari Gambar PIL yang diberikan secara acak dengan probabilitas 0,5.
Hubungkan ke komponen Terapkan Transformasi Gambar, untuk menerapkan transformasi yang ditentukan di atas ke himpunan data gambar input.
Kirimkan alur.
Hasil
Setelah transformasi selesai, Anda dapat menemukan gambar yang diubah dalam output komponen Terapkan Transformasi Gambar.
Catatan teknis
Lihat https://pytorch.org/vision/stable/transforms.html untuk informasi selengkapnya tentang transformasi gambar.
Parameter komponen
Nama | Rentang | Jenis | Default | Deskripsi |
---|---|---|---|---|
Mengubah ukuran | Apa pun | Boolean | True | Mengubah ukuran Gambar PIL input ke ukuran yang diberikan |
Ukuran | >=1 | Bilangan bulat | 256 | Tentukan ukuran output yang diinginkan |
Pemangkasan di tengah | Apa pun | Boolean | True | Memangkas Gambar PIL yang diberikan di bagian tengah |
Ukuran pemangkasan | >=1 | Bilangan bulat | 224 | Menentukan ukuran output pemangkasan yang diinginkan |
Pad | Apa pun | Boolean | Salah | Menambahkan pad ke semua sisi Gambar PIL dengan nilai "pad" yang diberikan |
Padding | >=0 | Bilangan bulat | 0 | Menambahkan pad di setiap tepi |
Geletar warna | Apa pun | Boolean | Salah | Mengubah kecerahan, kontras, dan saturasi gambar secara acak |
Skala abu-abu | Apa pun | Boolean | Salah | Mengonversi gambar menjadi skala abu-abu |
Pemangkasan ke ukuran acak | Apa pun | Boolean | Salah | Memangkas Gambar PIL yang diberikan ke ukuran dan rasio aspek acak |
Ukuran acak | >=1 | Bilangan bulat | 256 | Ukuran output yang diharapkan untuk setiap tepi |
Pemangkasan acak | Apa pun | Boolean | Salah | Memangkas Gambar PIL yang diberikan pada area acak |
Ukuran pemangkasan acak | >=1 | Bilangan bulat | 224 | Ukuran output pemangkasan yang diinginkan |
Pembalikan horizontal acak | Apa pun | Boolean | True | Secara horizontal membalik Gambar PIL yang diberikan secara acak dengan probabilitas yang ditentukan |
Pembalikan vertikal acak | Apa pun | Boolean | Salah | Secara vertikal membalik Gambar PIL yang diberikan secara acak dengan probabilitas yang ditentukan |
Rotasi acak | Apa pun | Boolean | Salah | Memutar gambar menurut sudut |
Derajat pemutaran acak | [0,180] | Bilangan bulat | 0 | Rentang derajat untuk dipilih |
Affine acak | Apa pun | Boolean | Salah | Transformasi affine acak dari gambar yang menjaga invariasi pusat |
Derajat affine acak | [0,180] | Bilangan bulat | 0 | Rentang derajat untuk dipilih |
Skala abu-abu acak | Apa pun | Boolean | Salah | Mengonversi gambar secara acak ke skala abu-abu dengan probabilitas 0,1 |
Perspektif acak | Apa pun | Boolean | Salah | Melakukan transformasi Perspektif dari Gambar PIL yang diberikan secara acak dengan probabilitas 0,5 |
Penghapusan acak | Apa pun | Boolean | Salah | Secara acak memilih bidang persegi panjang dalam gambar dan menghapus pikselnya dengan probabilitas 0,5 |
Output
Nama | Jenis | Deskripsi |
---|---|---|
Transformasi gambar output | TransformationDirectory | Transformasi gambar output yang dapat dihubungkan ke komponen Terapkan Transformasi Gambar. |
Langkah berikutnya
Lihat set komponen yang tersedia untuk Azure Machine Learning.