Inicjowanie transformacji obrazów

  • Artykuł
  • Czas czytania: 3 min

W tym artykule opisano sposób używania składnika Init Image Transformation w projektancie Azure Machine Learning w celu zainicjowania transformacji obrazu w celu określenia sposobu przekształcania obrazu.

Jak skonfigurować przekształcanie obrazu init

  1. Dodaj składnik Init Image Transformation do potoku w projektancie.

  2. W obszarze Zmień rozmiar określ, czy rozmiar wejściowego obrazu PIL ma być zmieniany na dany rozmiar. Jeśli wybierzesz wartość "True", możesz określić żądany rozmiar obrazu wyjściowego w polu Rozmiar domyślnie 256.

  3. W obszarze Przycinanie centrum określ, czy przycinać dany obraz PIL w środku. Jeśli wybierzesz wartość "True", możesz określić żądany rozmiar obrazu wyjściowego przycinania w rozmiarze przycinania domyślnie 224.

  4. W polu Pad określ, czy ma być dopełniany dany obraz PIL po wszystkich stronach z wartością pad 0. W przypadku wybrania opcji "True" możesz określić dopełnienie (ile pikseli do dodania) na każdym obramowaniu w dopełnieniu.

  5. W obszarze Zakłócenia kolorów określ, czy losowo zmienić jasność, kontrast i nasycenie obrazu.

  6. W obszarze Skala szarości określ, czy obraz ma być konwertowany na skala szarości.

  7. W obszarze Losowe przycinanie rozmiaru określ, czy przycinać dany obraz PIL do losowego rozmiaru i współczynnika proporcji. Przycinanie losowego rozmiaru (od 0,08 do 1,0) oryginalnego rozmiaru i współczynnik proporcji losowych (zakres od 3/4 do 4/3) oryginalnego współczynnika proporcji. Rozmiar tego przycinania jest ostatecznie zmieniany na określony rozmiar. Jest to często używane w trenowaniu sieci Inception. Jeśli wybierzesz wartość "True", możesz określić oczekiwany rozmiar danych wyjściowych każdej krawędzi w rozmiarze losowym, domyślnie 256.

  8. W obszarze Przycinanie losowe określ, czy przycinać dany obraz PIL w losowej lokalizacji. Jeśli wybierzesz wartość "True", możesz określić żądany rozmiar wyjściowy przycinania w rozmiarze przycinania losowego, domyślnie 224.

  9. W przypadku losowego przerzucania w poziomie określ, czy losowo przerzucać dany obraz PIL z prawdopodobieństwem 0,5.

  10. W przypadku losowego przerzucania w pionie określ, czy losowo przerzucać dany obraz PIL z prawdopodobieństwem 0,5.

  11. W polu Obracanie losowe określ, czy obraz ma być obracany według kąta. Jeśli wybierzesz wartość "Prawda", możesz określić zakres stopni, ustawiając stopnie obrotu losowego, co oznacza (stopnie, +stopnie), domyślnie 0.

  12. W przypadku affiny losowej określ, czy ma być losowa transformacja affiny obrazu utrzymująca środek niezmienny. Jeśli wybierzesz wartość "True", możesz określić zakres stopni do wybrania z zakresu w stopniach losowych affine, co oznacza (stopnie, +stopnie), domyślnie 0.

  13. W obszarze Losowa skala szarości określ, czy losowo przekonwertować obraz na skala szarości z prawdopodobieństwem 0,1.

  14. W przypadku perspektywy losowej określ, czy ma być wykonywana transformacja perspektywy danego obrazu PIL losowo z prawdopodobieństwem 0,5.

  15. Połączenie do zastosowania składnika transformacji obrazu, aby zastosować przekształcenie określone powyżej do wejściowego zestawu danych obrazu.

  16. Prześlij potok.

Wyniki

Po zakończeniu przekształcania można znaleźć przekształcone obrazy w danych wyjściowych składnika Apply Image Transformation .

Uwagi techniczne

https://pytorch.org/vision/stable/transforms.html Aby uzyskać więcej informacji na temat przekształcania obrazu, zobacz .

Parametry składnika

Nazwa Zakres Typ Domyślny Opis
Zmiana rozmiaru Dowolne Boolean Prawda Zmienianie rozmiaru wejściowego obrazu PIL na podany rozmiar
Rozmiar >=1 Liczba całkowita 256 Określanie żądanego rozmiaru danych wyjściowych
Wyśrodkowanie przycinania Dowolne Boolean Prawda Przycina dany obraz PIL w środku
Rozmiar przycinania >=1 Liczba całkowita 224 Określ żądany rozmiar danych wyjściowych przycinania
Pad Dowolne Wartość logiczna Fałsz Dopełnij podany obraz PIL po wszystkich stronach z daną wartością "pad"
Dopełnienie >=0 Liczba całkowita 0 Wypełnienie na każdym obramowaniu
Roztrzaskuj kolor Dowolne Wartość logiczna Fałsz Losowa zmiana jasności, kontrastu i nasycenia obrazu
Skali szarości Dowolne Wartość logiczna Fałsz Konwertowanie obrazu na skala szarości
Losowe przycinanie o zmienionym rozmiarze Dowolne Wartość logiczna Fałsz Przycinanie danego obrazu PIL do losowego rozmiaru i współczynnika proporcji
Rozmiar losowy >=1 Liczba całkowita 256 Oczekiwany rozmiar danych wyjściowych każdej krawędzi
Przycinanie losowe Dowolne Wartość logiczna Fałsz Przycinanie danego obrazu PIL w losowej lokalizacji
Losowy rozmiar przycinania >=1 Liczba całkowita 224 Żądany rozmiar danych wyjściowych przycinania
Losowe przerzucanie w poziomie Dowolne Boolean Prawda W poziomie przerzuć dany obraz PIL losowo z danym prawdopodobieństwem
Losowe przerzucanie w pionie Dowolne Wartość logiczna Fałsz Przerzuć w pionie dany obraz PIL losowo z danym prawdopodobieństwem
Rotacja losowa Dowolne Wartość logiczna Fałsz Obracanie obrazu według kąta
Stopnie obrotu losowego [0,180] Liczba całkowita 0 Zakres stopni do wyboru
Losowa szafka Dowolne Wartość logiczna Fałsz Losowa transformacja affine obrazu zachowująca niezmienność centrum
Losowe stopnie affiny [0,180] Liczba całkowita 0 Zakres stopni do wyboru
Losowa skala szarości Dowolne Wartość logiczna Fałsz Losowa konwersja obrazu na skala szarości z prawdopodobieństwem 0,1
Perspektywa losowa Dowolne Wartość logiczna Fałsz Wykonuje transformację perspektywy dla danego obrazu PIL losowo z prawdopodobieństwem 0,5
Wymazywanie losowe Dowolne Wartość logiczna Fałsz Losowo wybiera region prostokąta na obrazie i usuwa jego piksele z prawdopodobieństwem 0,5

Dane wyjściowe

Nazwa Typ Opis
Przekształcanie obrazu wyjściowego TransformationDirectory Przekształcanie obrazu wyjściowego, które można połączyć ze składnikiem Zastosuj transformację obrazu .

Następne kroki

Zobacz zestaw składników dostępnych do Azure Machine Learning.