このページの翻訳は最新ではありません。ここをクリックして,英語の最新版を参照してください。
imageDataAugmenter
イメージデータ拡張の構成
説明
イメージデータオーグメンターは,サイズ変更,回転,反転など,イメージ拡張の一連の前処理オプションを構成します。
imageDataAugmenterは,augmentedImageDatastoreで使用され,拡張イメージをバッチ生成します。詳細については,ランダムな幾何学的変換での学習用のイメージの拡張を参照してください。
作成
プロパティ
オブジェクト関数
增加 |
对多个图像应用相同的随机变换 |
例
イメージのサイズ変更および回転を行うイメージデータオーグメンターの作成
学習前にイメージを前処理するイメージデータオーグメンターを作成します。このオーグメンターは,範囲[0,360]度のランダムな角度でイメージを回転させ,範囲[0.5,1]のランダムなスケール係数でイメージのサイズを変更します。
增量= imageDataAugmenter (.．.“RandRotation”360年[0],.．.“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]
イメージデータオーグメンターを使用して拡張イメージデータストアを作成します。拡張イメージデータストアには,標本データ,ラベル,および出力イメージサイズも必要です。
[XTrain, YTrain] = digitTrain4DArrayData;imageSize = [56 56 1];auimds = augmentedImageDatastore(图象尺寸、XTrain YTrain,“DataAugmentation”增量)
auimds = augmentedImageDatastore with properties: NumObservations: 5000 MiniBatchSize: 128 DataAugmentation: [1x1 imageDataAugmenter] ColorPreprocessing: 'none' OutputSize: [556 56] OutputSizeMode: 'resize' DispatchInBackground: 0
イメージデータストアの最初の8個のイメージに適用されたランダム変換をプレビューします。
minibatch =预览(auimds);imshow (imtile (minibatch.input));
同じイメージセットに適用された別のランダム変換をプレビューします。
minibatch =预览(auimds);imshow (imtile (minibatch.input));
拡張イメージを使用したネットワークの学習
拡張イメージデータを使用して,畳み込みニューラルネットワークに学習させます。データ拡張は,ネットワークで過適合が発生したり,学習イメージの正確な詳細が記憶されたりすることを防止するのに役立ちます。
標本データを読み込みます。標本データは,手書き数字の合成イメージで構成されています。
[XTrain, YTrain] = digitTrain4DArrayData;
digitTrain4DArrayDataは,数字の学習セットを4次元配列データとして読み込みます。XTrainは28 28 x 5000 xの配列です。
28はイメージの高さと幅。
1はチャネルの数。
5000年は手書き数字の合成イメージの数。
YTrainは,各観測値のラベルが含まれる直言ベクトルです。
ネットワークの検証用に1000個のイメージを残しておきます。
idx = randperm(大小(XTrain, 4), 1000);XValidation = XTrain (:,:,:, idx);XTrain (::,:, idx) = [];YValidation = YTrain (idx);YTrain (idx) = [];
サイズ変更,回転,平行移動,反転など,イメージ拡張の前処理オプションを指定するimageDataAugmenterオブジェクトを作成します。イメージを,水平方向および垂直方向に最大3ピクセルまでのランダムな平行移動をさせたり,最大20度までの回転をさせたりします。
imageAugmenter = imageDataAugmenter (.．.“RandRotation”(-20年,20),.．.“RandXTranslation”3 [3],.．.“RandYTranslation”3 [3])
imageAugmenter = imageDataAugmenter with properties: 0 RandXReflection: 0 RandYReflection: 0 RandRotation: [-20 20] RandScale: [1 1] RandXScale: [1 1] RandYScale: [1 1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: [-3 3] RandYTranslation: [-3 3]
ネットワーク学習に使用するaugmentedImageDatastoreオブジェクトを作成し,イメージ出力サイズを指定します。学習中,データストアはイメージ拡張の実行とイメージのサイズ変更を行います。データストアは,イメージをメモリに保存せずに拡張します。trainNetworkは,ネットワークパラメーターを更新した後,その拡張イメージを破棄します。
imageSize = [28 28 1];augimds = augmentedImageDatastore(图象尺寸、XTrain YTrain,“DataAugmentation”, imageAugmenter);
畳み込みニューラルネットワークアーキテクチャを指定します。
[imageInputLayer(imageSize)] = [imageInputLayer(imageSize)]“填充”，“相同”maxPooling2dLayer(2，“步”2) convolution2dLayer(16日“填充”，“相同”maxPooling2dLayer(2，“步”32岁的,2)convolution2dLayer (3“填充”，“相同”) batchNormalizationLayer relullayer fulllyconnectedlayer (10) softmaxLayer classificationLayer];
モーメンタム項付き確率的勾配降下法の学習オプションを指定します。
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});
ネットワークに学習をさせます。検証イメージは拡張されないため,検証精度が学習精度より高くなります。
网= trainNetwork (augimds层,选择);
ヒント
サンプルイメージに適用された変換をプレビューするには,関数
增加を使用します。学習中にイメージ拡張を実行するには,
augmentedImageDatastoreを作成し,名前と値のペア“DataAugmentation”とimageDataAugmenterを使用して前処理オプションを指定します。拡張イメージデータストアは学習データにランダム変換を自動的に適用します。
你也可以从以下列表中选择一个网站:
