augmentedImageDatastore
转换批处理以增强图像数据
描述
增强图像数据存储在可选的预处理中转换批次培训，验证，测试和预测数据，例如调整大小，旋转和反射。调整图像大小以使其与深度学习网络的输入大小兼容。使用随机预处理操作进行培训训练图像数据，以帮助阻止网络过度装备和记忆培训图像的确切细节。
要使用增强图像训练网络，请提供augmentedImageDatastore到Trainnetwork.．有关更多信息，请参阅深度学习的预处理图像．
当您使用增强图像数据存储作为训练图像的来源时，数据存储随机仔细使用每个时代的训练数据，以便每个时代使用略微不同的数据集。每个时期的训练图像的实际数量不会改变。变换的图像未存储在内存中。
一个
imageInputlayer.使用增广图像的均值而不是原始数据集的均值对图像进行归一化。这个平均数对于第一个增广期计算一次。所有其他纪元使用相同的平均值，这样平均图像不会在训练过程中发生变化。
默认情况下,一个augmentedImageDatastore只调整图像次要拟合输出大小。您可以使用一个配置其他图像变换的选项ImagedataAugmenter.．
创建
句法
描述
auimds = augmentedimagedataStore（输出，创建一个扩充的图像数据存储，用于预测数组中的图像数据的响应X）X．
auimds = augmentedimagedataStore（输出，为分类和回归问题创建一个扩充的图像数据存储。桌子，资源描述）资源描述，包含预测和响应。
auimds = augmentedimagedataStore（___、名称、值)使用名称值对创建增强图像数据存储来设置ColorPreprocessingDataAugmentationoutputsizeMode.DispatchInBackground
例如，myTable augmentedImageDatastore([28日28],“OutputSizeMode”,“centercrop”)创建一个增强图像数据存储，从中心裁剪图像。
输入参数
属性
对象功能
结合 |
将数据与多个数据存储组合 |
哈迪塔 |
确定数据是否可用读取 |
numpartitions |
数据存储分区数 |
划分 |
分区数据存储 |
PartitionByIndex. |
分区augmentedImageDatastore根据索引 |
预览 |
在数据存储区中预览数据子集 |
读 |
读取数据augmentedImageDatastore |
读物 |
读取数据存储中的所有数据 |
readbyex. |
读取由索引指定的数据augmentedImageDatastore |
重置 |
将数据存储重置为初始状态 |
洗牌 |
随机数据库数据augmentedImageDatastore |
子集 |
创建数据存储或文件集的子集 |
转变 |
转换数据存储 |
是可分派的 |
确定数据存储是否可分区 |
isShufflable. |
确定数据存储是否会破坏 |
例子
用增强图像列车网络
利用增强图像数据训练卷积神经网络。数据增强有助于防止网络过度拟合和记忆训练图像的确切细节。
加载样本数据，由手写数字的合成图像组成。
[xtrain，ytrain] = DigitTrain4darraydata;
digittrain4darraydata.将设置为4-D阵列数据的数字训练加载。XTrain.是28×28-by-1-5000阵列，其中：
图28是图像的高度和宽度。
1是通道的数量。
5000是手写数字的合成图像数量。
ytrain.是一个包含每个观察标签的分类矢量。
留出1000个图像以进行网络验证。
idx = randperm（大小（xtrain，4），1000）;xvalidation = XTrain（：：：：，IDX）;XTrain（：：：：，idx）= [];YValidation = Ytrain（IDX）;Ytrain（IDX）= [];
创建一个ImagedataAugmenter.指定图像增强的预处理选项的对象，例如调整大小，旋转，翻译和反射。随水平和垂直随机将图像随机转换为三个像素，并将相对于20度的角度旋转。
imageaugmenter = imagedataAugmenter（......'randroatation'，[ - 20,20]，......“RandXTranslation”，[ - 3 3]，......'randytranslation'，[ - 3 3]）
Imageaugmenter = ImagedataAugmenter具有属性：FileValue：0 RandXreflection：0 Randyreflection：0 RandRotation：[-20 20] RANDSCALE：[1] RANDXSCALE：[1] RANDYSCALE：[1] RANDXSHEAR：[0] RANDYSHEAR：[00] RandXTranslation：[-3 3] RandyTranslation：[-3 3]
创建一个augmentedImageDatastore用于网络训练的对象并指定图像输出大小。在培训期间，数据存储区执行图像增强并调整图像大小。数据存储区增强了图像而不将任何图像保存到内存。Trainnetwork.更新网络参数，然后丢弃增强图像。
图像= [28 28 1];Augimds = AugmentedimageDataStore（图像化，Xtrain，Ytrain，'dataaugmentation'，imageaugmender）;
指定卷积神经网络架构。
图层= [imageInputlayer（iconageize）卷积2dlayer（3,8，“填充”那'相同的'）BatchnormalizationLayer Ruilulayer MaxPooling2dlayer（2，'走吧'，2）卷积2dlayer（3,16，“填充”那'相同的'）BatchnormalizationLayer Ruilulayer MaxPooling2dlayer（2，'走吧'32岁的,2)convolution2dLayer (3“填充”那'相同的') batchNormalizationLayer relullayer fulllyconnectedlayer (10) softmaxLayer classificationLayer];
用动量指定随机梯度下降的培训选项。
选择=培训选项（“个”那......'maxepochs'15岁的......“洗牌”那'每个时代'那......'plots'那'培训 - 进步'那......“详细”，错误的，......'vightationdata'，{xvalidation，yvalidation}）;
训练网络。由于验证图像未增强，所以验证精度高于训练精度。
net = trainnetwork（augimds，图层，选择）;
提示
您可以通过使用相同图中的许多转换图像可视化
inmtile.功能。例如，此代码显示来自调用的增强图像数据存储的一个Mini-批次转换图像auimds．minibatch =阅读(auimds);imshow (imtile (minibatch.input))
默认情况下，调整大小是对图像执行的唯一图像预处理操作。属性启用其他预处理操作
DataAugmentationImagedataAugmenter.对象。每次从增强图像数据存储中读取图像时，将对每个图像应用不同的随机预处理操作组合。
您还可以从以下列表中选择一个网站：
