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。
augmentedImageDatastore
バッチバッチの変换によるによるイメージデータの拡
说明
拡張イメージデータストアは,サイズ変更,回転,反転などのオプションの前処理を使用して,学習データ,検証データ,テストデータ,および予測データのバッチを変換します。イメージのサイズを変更して,深層学習ネットワークの入力サイズに適合させます。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には,ランダムな前処理演算を使用して学習イメージデータを拡張します。
拡張イメージを使用してネットワークに学習させるには,augmentedImageDatastoreをTrainnetwork.に指定します。详细については，イメージの深层学习习向け向け前を参照してください。
拡张イメージデータストアを习イメージのソースとして使するする场によって各エポックの习データににに各与えられるためためためためためためれれ各各られるためれれ各られるられるられるためためためられるられる场场场実际のはんん。変换変换后のイメージはメモリ格式されません。
imageInputLayerは,元のデータセットの平均ではなく拡張イメージの平均を使用してイメージの正規化を行います。この平均は,最初の拡張エポックで1回計算されます。他のすべてのエポックで同じ平均が使用されるため,学習中には平均イメージが変化しません。
既定では，augmentedImageDatastoreはイメージのサイズを出力サイズに合わせて変更します。ImagedataAugmenter.を使用して,追加のイメージ変換のオプションを設定できます。
作成
构文
说明
auimds = augmentedImageDatastore (outputSize,は，イメージデータストアIMDS.）IMDS.のイメージを使使用して分享问题问题拡张イメージデータストアを作物OutputSize
auimds = augmentedImageDatastore (outputSize,は，配列X）Xのイメージデータの応答を予測するための拡張イメージデータストアを作成します。
auimds = augmentedImageDatastore (outputSize,は,分類問題および回帰問題用の拡張イメージデータストアを作成します。テーブル资源描述）资源描述にに，予测子と応答が含まれます。
auimds = augmentedimagedataStore（___、名称、值)は，名称と値のペア使使使ColorPreprocessingDataAugmentationoutputsizeMode.DispatchInBackground
たとえば,myTable augmentedImageDatastore([28日28],“OutputSizeMode”,“centercrop”)は中心からイメージをトリミング拡张イメージデータストアを作物
入力引数
プロパティ
オブジェクト关节
结合 |
複数のデータストアのデータを統合 |
哈迪塔 |
データが読み取り可かかかを判别 |
numpartitions |
データストアの区画数 |
分区 |
データストアを分享する |
PartitionByIndex. |
分区augmentedImageDatastore根据索引 |
预览 |
データストア内のデータのサブセットをプレビュー |
读 |
读取的数据augmentedImageDatastore |
读物 |
データストアのすべてのデータの読み取り |
readByIndex |
读取由索引指定的数据augmentedImageDatastore |
重置 |
データデータストアのの初状态状态のリセット |
洗牌 |
随机数据库数据augmentedImageDatastore |
子集 |
データストアまたはファイルセットのサブセットを作成 |
转换 |
データストアの変换 |
isPartitionable |
データストアが分割可能かどうかを判別 |
isShufflable. |
データストアがシャッフル可かどうかを |
例
拡張イメージを使用したネットワークの学習
拡张イメージデータをを使て，畳み込みニューラルネットワークに学习データデータ拡，ネットワークデータ拡は，ネットワークで过过适が生物，学校，学校イメージのたりなが记忆さたりするを防止
标本データをます。标本データは，手书签数码の合成イメージで成されていいい。
[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 x 28 x 1 x 5000の配列です。
28はイメージの高さ幅。
1はチャネルの数。
5000はは书签数码の合成均匀数。
ytrain.は，各各観测値のラベルが含ま含まれる含まれるベクトルベクトル
ネットワークネットワーク検证用に1000个个のイメージを残しておきおきおきおき
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。イメージを那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（．..'randroatation'(-20年,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]
ネットワーク学习に使使用するaugmentedImageDatastoreオブジェクトイメージ力サイズ指定しし习は，とい，とは，とはます。Trainnetwork.は，ネットワークネットワークパラメーターををを更した，そのその张イメージを破弃ます。
图像= [28 28 1];Augimds = AugmentedimageDataStore（图像化，Xtrain，Ytrain，'dataaugmentation'，imageaugmender）;
畳み込み畳み込みニューラルネットワークアーキテクチャアーキテクチャを指定しし
[imageInputLayer(imageSize)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 reluLayer fulllyconnectedlayer (10) softmaxLayer classiationlayer];
モーメンタム项付き确率的勾配勾配の学习习オプションを指定ます。
选择= trainingOptions (“个”那．..'maxepochs'15岁的．..“洗牌”那'每个时代'那．..'plots'那“训练进步”那．..“详细”，错误的，．..'vightationdata'，{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。
net = trainnetwork（augimds，图层，选择）;
ヒント
关节
inmtile.を使用して,変換された多くのイメージを同じ图で可視化できます。たとえば,次のコードは,auimdsという拡張イメージデータストアから,変換されたイメージのミニバッチの1つを表示します。minibatch =阅读(auimds);imshow (imtile (minibatch.input))
既定では,イメージに対して実行されるイメージ前処理演算はサイズの変更のみです。名前と値のペアの引数
DataAugmentationImagedataAugmenter.オブジェクトオブジェクト使使し，加入の前前演算を有效にします拡拡イメージストアからイメージがにににににに演算なるなるなる组みなるなるなるなるなるわせ各イメージなる组み组みで各异なるなる组みわせ异なるなるれ
您还可以从以下列表中选择一个网站：
