Aplicar a Transformação da Imagem

Este artigo descreve como usar o componente De Transformação de Imagem Aplicar em Azure Machine Learning designer, para modificar um diretório de imagem de entrada baseado numa transformação de imagem previamente especificada.

É necessário ligar um componente de Transformação de Imagem Init para especificar a transformação e, em seguida, pode aplicar tal transformação ao diretório de imagem de entrada do componente De transformação de imagem aplicada.

Como usar a Transformação de Imagem Aplicada

  1. Adicione o componente de Transformação de Imagem Aplicar ao seu oleoduto. Pode encontrar este componente na categoria Imagem Digitalizada/Transformação de Dados de Imagem.

  2. Ligação a saída da Init Image Transformation para a entrada à esquerda da Apply Image Transformation.

    Nota

    Apenas a transformação de imagem gerada pela componente Init Image Transformation é aceite neste componente. Para outro tipo de transformação, por favor conecte-o à Transformação Aplicada, caso contrário será lançado o 'InvalidTransformationDirectDirectorror'.

  3. Ligação o diretório de imagens que quer transformar.

  4. Para o Modo, especifique para que finalidade utiliza a transformação da entrada: "Para treino" ou "Para inferência".

    Se selecionar Para o treino, será aplicada toda a transformação que especificar na Transformação de Imagem Init.

    Se selecionar Para inferência, a transformação como a criação de novas amostras aleatoriamente será excluída antes de ser aplicada. Isto porque as operações de transformação para criar novas amostras aleatoriamente como "flip horizontal aleatório" são utilizadas para o aumento de dados em formação, que devem ser removidas em inferência, porque as amostras de inferência precisam de ser fixadas para uma previsão e avaliação precisas.

    Nota

    Transformações que serão excluídas em modo Para inferência são: Cultura redimensionada aleatória, colheita aleatória, flip horizontal aleatório, flip vertical aleatório, rotação aleatória, afina aleatória, escala de cinza aleatória, perspetiva aleatória, apagamento aleatório.

  5. Para aplicar uma transformação de imagem a um novo diretório de imagem, submeta o pipeline.

Parâmetros componentes

Nome Intervalo Tipo Predefinição Description
Modo Qualquer Modo (Exigir que o utilizador especifique) Para que fim usa a transformação de entrada. Deve excluir operações de transformação 'Random' em inferência, mas mantê-las em treino

Entradas esperadas

Nome Tipo Description
Transformação de imagem de entrada Diretório de Transformação Transformação de imagem de entrada
Diretório de imagem de entrada ImageDirectory Diretório de imagem a ser transformado

Saídas

Nome Tipo Description
Diretório de imagem de saída ImageDirectory Diretório de imagem de saída

Passos seguintes

Consulte o conjunto de componentes disponíveis para Azure Machine Learning.