Чтобы подготовить большие объемы наборов данных для обучения моделях классификации изображений на основе глубокого обучения, нам обычно приходится полагаться на методы увеличения изображений. Я хотел бы знать, каковы обычные алгоритмы увеличения изображений, есть ли какие-либо соображения при их выборе?алгоритмы увеличения изображения для подготовки набора для глубокого обучения
ответ
Литература по увеличению данных очень велика и очень зависит от ваших приложений. Первыми вещами, которые приходят мне на ум, являются повороты соревнований галактики и увеличение данных Джаспера Сноке.
Но на самом деле все документы имеют свои собственные трюки, чтобы получить хорошие оценки на специальных наборах данных для примеров, растягивающих изображение до определенного размера, прежде чем обрезать его или что-то еще, и это в очень определенном порядке.
Более конкретно, чтобы обучать модели на подобных CIFAR или IMAGENET, используйте случайные культуры и случайный контраст, возмущения светимости дополнительно к очевидным сдвигам и добавлению шума.
Посмотрите на учебник CIFAR-10 на веб-сайте TF, это хорошее начало. Плюс TF теперь имеет random_crop_and_resize()
, что весьма полезно.
Это зависит от проблемы, которую вы должны решить, но большую часть времени вы можете сделать:
- Поворот изображения
- Отразить изображение (X или Y симметрии)
- Добавить шум
- Все предыдущие в то же время.
- 1. Инструментарий для глубокого обучения
- 2. Существуют ли алгоритмы для увеличения разрешения изображения?
- 3. Сеть глубокого обучения для классификации
- 4. Обзор для сетей глубокого обучения
- 5. Функция аудио для глубокого обучения
- 6. Каков правильный способ подготовки набора данных для машинного обучения?
- 7. Использование глубокого обучения для последовательных данных
- 8. Выбор размера микроавтобуса для глубокого обучения
- 9. Mocha, инструмент глубокого обучения
- 10. Программное обеспечение для глубокого обучения для распознавания динамиков
- 11. Усовершенствование данных для обнаружения объектов с использованием глубокого обучения
- 12. Использование SVM для подготовки моего набора данных
- 13. Простые алгоритмы обучения?
- 14. Алгоритмы обучения графику
- 15. Использование Hammerjs для увеличения и увеличения изображения
- 16. Ресурс для обучения Алгоритмы для не-CS/Math градусов
- 17. Семантическая сегментация с использованием глубокого обучения
- 18. Алгоритмы выпуклых оболочек для отсортированного набора точек
- 19. Алгоритмы кластеризации для набора точек данных
- 20. Лучшая конфигурация графического процессора + CPU для глубокого обучения
- 21. Как операции Int8 (byte) могут быть полезны для глубокого обучения?
- 22. Ошибка в работе keras для глубокого обучения в ubuntu 14.04
- 23. Нормализация уровня всегда лучше, чем нормализация партии для глубокого обучения
- 24. Библиотека Java для увеличения разрешения изображения
- 25. Алгоритмы машинного обучения, учитывающие контекст
- 26. Математика для медленного увеличения изображения
- 27. Пример неравномерно распределенного набора для обучения
- 28. Что такое алгоритмы машинного обучения
- 29. Подход во время обучения Алгоритмы
- 30. Как создать сервер обработки глубокого обучения