ImagedataAugmenter.
配置图像数据增强
描述
图像数据增强器配置一组用于图像增强的预处理选项，如调整大小、旋转和反射。
这ImagedataAugmenter.被一个人使用augmentedImageDatastore生成批量增强图像。有关更多信息，请参见增强图像训练与随机几何变换。
创建
属性
对象的功能
增加 |
对多个图像应用相同的随机变换 |
例子
创建图像数据增强器以调整和旋转图像
创建一个图像数据增强器，在培训之前预处理图像。该增强器在[0,360]度的范围内随机角度旋转图像，并通过随机缩放因子在[0.5,1]范围内进行大小进行调整图像。
upmmenter = imagedataAugmenter（......“随机轮换”，[0 360]，......'randscale'，[0.5 1]）
RandXReflection: 0 RandYReflection: 0 RandRotation: [0 360] RandXScale: [0.5000 1] RandXScale: [1 1] RandYScale: [1 1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: [0 0] RandYTranslation: [0 0]
使用图像数据增强器创建增强图像数据存储。增强图像数据存储还需要示例数据，标签和输出图像大小。
[xtrain，ytrain] = Digittrain4darraydata;图像= [56 56 1];auimds = augmentedimageageataStore（图像化，Xtrain，Ytrain，'dataaugmentation'，增强者）
auimds=augmentedImageDatastore，属性为：NumObservations:5000 MiniBatchSize:128 DataAugmentation:[1x1 imageDataAugmenter]颜色预处理：“无”OutputSize:[56]OutputSizeMode:“调整大小”DispatchInBackground:0
预览应用于图像数据存储中的前8张图像的随机转换。
minibatch=预览（auimds）；imshow（imtile（minibatch.input））；
预览应用于同一组图像的不同随机转换。
minibatch=预览（auimds）；imshow（imtile（minibatch.input））；
具有增强图像的列车网络
使用增强的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;
Digittrain4daraydata将数字训练集作为4-D阵列数据加载。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。
钇是包含每个观察的标签的分类向量。
预留1000个图像用于网络验证。
idx = randperm（大小（xtrain，4），1000）;xvalidation = XTrain（：：：：，IDX）;XTrain（：：：：，idx）= [];YValidation = Ytrain（IDX）;Ytrain（IDX）= [];
创建一个ImagedataAugmenter.对象，该对象指定图像增强的预处理选项，例如调整大小、旋转、平移和反射。在水平和垂直方向上随机平移最多三个像素的图像，并以最大20度的角度旋转图像。
imageaugmenter = imagedataAugmenter（......“随机轮换”，[ - 20,20]，......“RandXTranslation”,[-3 3],......“RandYTranslation”,[-3 3])
imageAugmenter=imageDataAugmenter，其属性为：FillValue:0 RandExlection:0 RandYReflection:0 RandRotation:[-20]RandScale:[1]RandYScale:[1]RandySchear:[0]RandySchear:[0]RandExTranslation:[-3]RandyStralation:[-3]
创建一个augmentedImageDatastore对象用于网络训练并指定图像输出大小。在训练期间，数据存储执行图像增强和调整图像的大小。数据存储增加图像而不保存任何图像到内存。trainNetwork更新网络参数，然后丢弃增强图像。
imageSize = [28 28 1];augimds = augmentedImageDatastore(图象尺寸、XTrain YTrain,'dataaugmentation', imageAugmenter);
指定卷积神经网络结构。
层=[imageInputLayer（imageSize）卷积2层（3,8，“填充”那“一样”)batchNormalizationLayer reluLayer MaxPoolig2dLayer（2，'走吧'，2）卷积2层（3,16，“填充”那“一样”)batchNormalizationLayer reluLayer MaxPoolig2dLayer（2，'走吧'32岁的,2)convolution2dLayer (3“填充”那“一样”)batchNormalizationLayer reluLayer fullyConnectedLayer（10）softmaxLayer classificationLayer]；
指定带有动量的随机梯度下降的训练选项。
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......“验证数据”，{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
要预览应用于示例图像的变换，请使用
增加函数。要在训练期间执行图像增强，创建一个
augmentedImageDatastore并指定预处理选项'dataaugmentation'带有ImagedataAugmenter.。增强图像数据存储自动将随机转换应用于培训数据。
您还可以从以下列表中选择网站：
