imageDataAugmenter
配置图像数据增加
描述
图像数据增量配置一组图像增强预处理选项,如缩放、旋转和反射。
的imageDataAugmenter使用一个augmentedImageDatastore生成批次的增强图像。有关更多信息,请参见增强图像训练随机几何转换。
创建
属性
对象的功能
增加 |
将相同的随机转换应用到多个图像 |
例子
创建图像数据增量调整和旋转图像
创建一个图像数据增量训练前进行预处理的图像。这个随机角度增量旋转图像的范围内(0 360)度和尺寸图像随机规模因素的范围(0.5,1)。
增量= imageDataAugmenter (…“RandRotation”360年[0],…“RandScale”(0.5 - 1))
增量= imageDataAugmenter属性:FillValue: 0 RandXReflection: 0 RandYReflection: 0 RandRotation: 360年[0]RandScale: [0.5000 - 1] RandXScale: [1] RandYScale: [1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: [0 0] RandYTranslation: [0 0]
创建一个使用图像数据增量增强图像数据存储。增强的图像数据存储也需要样本数据,标签,和一个输出图像的大小。
[XTrain, YTrain] = digitTrain4DArrayData;图象尺寸= [56 56 1];auimds = augmentedImageDatastore(图象尺寸、XTrain YTrain,“DataAugmentation”增量)
auimds = augmentedImageDatastore属性:NumObservations: 5000 MiniBatchSize: 128 DataAugmentation: [1 x1 imageDataAugmenter] ColorPreprocessing:“没有一个”OutputSize: 56 [56] OutputSizeMode:“调整”DispatchInBackground: 0
预览随机转换应用到前八图像在图像数据存储。
minibatch =预览(auimds);imshow (imtile (minibatch.input));
预览不同随机转换应用到相同的一组图像。
minibatch =预览(auimds);imshow (imtile (minibatch.input));
列车网络的增强图像
火车一个卷积神经网络使用增强图像数据。数据增加有助于防止网络过度拟合和记忆的训练图像的细节。
加载示例数据,包括手写的数字合成图像。
[XTrain, YTrain] = digitTrain4DArrayData;
digitTrain4DArrayData加载数字4 d阵列数据训练集。XTrain是一个28 -通过- 28 - 1 -到- 5000数组,地点:
28是图像的高度和宽度。
1是通道的数量。
5000年是手写数字的合成图像的数量。
YTrain是一个分类向量包含标签为每个观察。
拨出1000的图片用于网络验证。
idx = randperm(大小(XTrain, 4), 1000);XValidation = XTrain (:,:,:, idx);XTrain (::,:, idx) = [];YValidation = YTrain (idx);YTrain (idx) = [];
创建一个imageDataAugmenter对象指定预处理图像增强的选项,如缩放、旋转、翻译、和反思。随机翻译三水平和垂直像素图像,和旋转图像角20度。
imageAugmenter = imageDataAugmenter (…“RandRotation”(-20年,20),…“RandXTranslation”3 [3],…“RandYTranslation”3 [3])
imageAugmenter = imageDataAugmenter属性:FillValue: 0 RandXReflection: 0 RandYReflection: 0 RandRotation: 20 [-20] RandScale: [1] RandXScale: [1] RandYScale: [1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: 3 [3] RandYTranslation: [3 3]
创建一个augmentedImageDatastore对象用于网络训练和指定的图像输出大小。在培训过程中,数据存储进行图像增强和调整图片的大小。数据存储增强图像不保存任何图像到内存中。trainNetwork更新网络参数,然后丢弃的增强图像。
图象尺寸= [28 28 1];augimds = augmentedImageDatastore(图象尺寸、XTrain YTrain,“DataAugmentation”,imageAugmenter);
指定卷积神经网络架构。
层= [imageInputLayer(图象尺寸)convolution2dLayer (3 8“填充”,“相同”)batchNormalizationLayer reluLayer maxPooling2dLayer (2“步”2)convolution2dLayer(16日“填充”,“相同”)batchNormalizationLayer reluLayer maxPooling2dLayer (2“步”32岁的,2)convolution2dLayer (3“填充”,“相同”)batchNormalizationLayer reluLayer fullyConnectedLayer (10) softmaxLayer classificationLayer];
指定培训选项随机梯度下降的势头。
选择= trainingOptions (“个”,…“MaxEpochs”15岁的…“洗牌”,“every-epoch”,…“阴谋”,“训练进步”,…“详细”假的,…“ValidationData”,{XValidation, YValidation});
培训网络。因为验证图像不增强,验证精度高于训练精度。
网= trainNetwork (augimds层,选择);
提示
预览转换应用于样本图像,使用
增加函数。执行图像增强在培训,创建一个
augmentedImageDatastore并指定使用预处理选项“DataAugmentation”名称-值对的imageDataAugmenter。增强的图像数据存储自动随机转换适用于训练数据。
版本历史
介绍了R2017b
