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。詳細にいては，ランダムな幾何学的変換での学習用の▪▪メ▪▪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 |
複数の▪▪メ▪▪ジに対する同一のランダム変換の適用 |
例
の作成
学習前にメジを前処理するを作成します。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。
augmenter = imageDataAugmenter(.．.“RandRotation”360年[0],.．.“RandScale”(0.5 - 1))
augmenter = imageDataAugmenter with properties: FillValue: 0 RandXReflection: 0 RandYReflection: 0 RandRotation: [0 360] RandScale: [0.5000 1] RandXScale: [1 1 1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: [0 0] RandYTranslation: [0 0]
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 = augmentedimagedastore (imageSize,XTrain,YTrain，“DataAugmentation”增量)
auimds = augmentedImageDatastore with properties: NumObservations: 5000 MiniBatchSize: 128 DataAugmentation: [1x1 imageDataAugmenter] color预处理:'none' OutputSize: [56 56] OutputSizeMode: 'resize' DispatchInBackground: 0
。
Minibatch =预览(auimds);imshow (imtile (minibatch.input));
同じメジセットに適用された別のランダム変換をプレビュします。
Minibatch =预览(auimds);imshow (imtile (minibatch.input));
拡張メジを使用したネットワクの学習
拡張メジデタを使用して，畳み込みニュラルネットワクに学習させます。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，タを読み込みます。標本デ，タは，手書き数字の合成，メ，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，タとして読み込みます。XTrainは，28 × 28 × 1 × 5000の配列です。
28はメジの高さと幅。
1はチャネルの数。
5000は手書き数字の合成メジの数。
YTrainは，各観測値のラベルが含まれる分类ベクトルです。
ネットワクの検証用に1000個のメジを残しておきます。
idx = randperm(size(XTrain,4)，1000);XValidation = XTrain(:，:，:，idx);XTrain(:，:，:，idx) = [];YValidation = YTrain(idx);YTrain(idx) = [];
サズ変更，回転，平行移動，反転など，メ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: FillValue: 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，ク学習に使用するaugmentedImageDatastoreオブジェクトを作成し，。学習中，デ:ズ変更を行います。デ，タストアは;trainNetworkは，ネットワクパラメタを更新した後，その拡張メジを破棄します。
imageSize = [28 28 1];augimds = augmentedimagedastore (imageSize,XTrain,YTrain，“DataAugmentation”, imageAugmenter);
畳み込みニュ，ラルネットワ，クア，キテクチャを指定します。
图层= [imageInputLayer(imageSize)卷积2dlayer (3,8，“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 reluLayer fullyConnectedLayer(10) softmaxLayer classificationLayer];
モ，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。
opts = 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，クに学習をさせます。検証。
net = trainNetwork(augimds,layers,opts);
ヒント
サンプルメジに適用された変換をプレビュするには，関数
增加を使用します。学習中にメ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。拡張メジデタストアは学習デタにランダム変換を自動的に適用します。
バ，ジョン履歴
R2017bで導入
您也可以从以下列表中选择一个网站: