转换批处理以增强图像数据
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.
.
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
那ColorPreprocessing
那DataAugmentation
, 和outputsizeMode.
特性。您可以指定多个名称值对。将每个属性名称括在引号中。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。
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 |
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
名称-值对参数DataAugmentation
ImagedataAugmenter.
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。