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。
randomPatchExtractionDatastore
イメージまたはピクセルラベルイメージから2次元または3次元のランダムパッチを抽出するためのデータストア
説明
randomPatchExtractionDatastoreは2つのイメージベースのデータストアから,対応するランダムに配置されたパッチを抽出します。たとえば,入力データストアには、image-to-image 回帰ネットワークの学習用のネットワーク入力と目的のネットワーク応答、またはセマンティック セグメンテーション ネットワークの学習用のグラウンド トゥルース イメージとピクセル ラベル データを含む 2 つのイメージ データストアを指定できます。
このオブジェクトを使用するには,深度学习工具箱™が必要です。
メモ
randomPatchExtractionDatastoreを学習データのソースとして使用する場合,データストアがエポックごとに各イメージから複数のランダムパッチを抽出するため,エポックごとに若干異なるデータセットが使用されます。エポックごとの学習パッチの実際の数は,学習イメージの数のPatchesPerImage倍です。イメージパッチはメモリに格納されません。
作成
構文
説明
patchds = randomPatchExtractionDatastore (は,名前と値のペアを使用してds1的，ds2，PatchSize，名称,值）PatchesPerImage、DataAugmentationおよびDispatchInBackgroundプロパティを設定します。複数の名前と値のペアを指定できます。各プロパティ名を引用符で囲みます。
たとえば,randomPatchExtractionDatastore (imds1 imds2 50 PatchesPerImage, 40)は,イメージデータストアimds1とimds2内の各イメージから50行50列ピクセルの40個のパッチを無作為に生成するデータストアを作成します。
入力引数
プロパティ
オブジェクト関数
结合 |
複数のデータストアのデータを統合 |
hasdata |
データが読み取り可能かどうかを判別 |
numpartitions |
データストアの区画数 |
分区 |
データストアを分割する |
partitionByIndex |
インデックスに応じたrandomPatchExtractionDatastoreの分割 |
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 |
randomPatchExtractionDatastoreからデータを読み取る |
readall |
データストアのすべてのデータの読み取り |
readByIndex |
randomPatchExtractionDatastoreからインデックスで指定されたデータを読み取る |
重置 |
データストアの初期状態へのリセット |
洗牌 |
データストア内のデータのシャッフル |
变换 |
データストアの変換 |
isPartitionable |
データストアが分割可能かどうかを判別 |
isShuffleable |
データストアがシャッフル可能かどうかを判別 |
例
ランダムパッチ抽出データストアの作成
学習イメージを含むイメージデータストアを作成します。この例のデータストアにはJPEGカラーイメージが含まれています。
imageDir = fullfile (toolboxdir (“图片”)，“imdata”）;imds1 = imageDatastore (imageDir,“FileExtensions”，“jpg”）;
ガウスぼかしを適用することによってimds1内のイメージを変換する2番目のデータストアを作成します。
imds2 =变换(imds1 @ (x) imgaussfilt (x, 2));
[0, 90]度の範囲のランダムな角度でイメージを回転させ,イメージデータを水平にランダムに反転させるimageDataAugmenterを作成します。
增量= imageDataAugmenter (“RandRotation”90年[0],“RandXReflection”,真正的)
augmenter = imageDataAugmenter: FillValue: 0 RandXReflection: 1 RandYReflection: 0 RandRotation: [0 90] RandXScale: [1 1] RandXScale: [1 1] RandXScale: [1 1] RandXShear: [0 0] RandYShear: [0 0] RandXTranslation: [0 0] RandYTranslation: [0 0]
未処理の学習イメージと対応する平滑化された応答イメージから,サイズが100行100列のランダムパッチを抽出するrandomPatchExtractionDatastoreオブジェクトを作成します。DataAugmentationプロパティを設定して拡張オプションを指定します。
patchds = randomPatchExtractionDatastore(imds1,imds2，[100 100])，.．.“DataAugmentation”增量)
patchds = randomPatchExtractionDatastore with properties: patchperimage: 128 PatchSize: [100 100] DataAugmentation: [1×1 imageDataAugmenter] MiniBatchSize: 128 NumObservations: [] DispatchInBackground: 0
一連の拡張されたイメージパッチと対応する平滑化されたイメージパッチをプレビューします。
minibatch =预览(patchds);输入= minibatch.InputImage;反应= minibatch.ResponseImage;测试=猫(2输入反应);蒙太奇(测试”,“大小”, 2[8])标题(输入(左)和响应(右)）
ランダムパッチ抽出データストアを使用したセマンティックセグメンテーションネットワークの学習
学習イメージを含むイメージデータストアを作成します。
dataDir = fullfile (toolboxdir (“愿景”)，“visiondata”，“triangleImages”）;imageDir = fullfile (dataDir,“trainingImages”）;imd = imageDatastore (imageDir);
クラス名と関連するラベルIDを定義します。次に,学習イメージのグラウンドトゥルースピクセルラベルを含むピクセルラベルデータストアを作成します。
一会= [“三角形”，“背景”];labelIDs = [255 0];labelDir = fullfile (dataDir,“trainingLabels”）;一会,pxds = pixelLabelDatastore (labelDir labelIDs);
イメージと対応するピクセルラベルから32行32列ピクセルのランダムパッチを抽出するために,ランダムパッチ抽出データストアを作成します。オプションのPatchesPerImageプロパティを設定して,イメージとピクセルラベルの各ペアから512個のランダムパッチを抽出します。
pxds patchds = randomPatchExtractionDatastore (imd, 32岁.．.“PatchesPerImage”, 512);
セマンティックセグメンテーションのネットワークを作成します。
图层= [imageInputLayer([32 32 1])]“填充”(1) reluLayer) maxPooling2dLayer (2,“步”, 2) convolution2dLayer (64,“填充”, 1) reluLayer () transposedConv2dLayer (64,“步”2,“种植”，1)卷积2dlayer (1,2) softmaxLayer() pixelClassificationLayer()]
层= 10x1层数组与层:1”的形象输入32 x32x1图像zerocenter正常化2”64 3 x3的卷积,卷积步伐[1]和填充[1 1 1 1]3”ReLU ReLU 4”马克斯池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]5“卷积64 3 x3的隆起与步幅[1]和填充1 1 1 1 6”ReLU ReLU 7”转置卷积64 4x4转置卷积与stride[2 2]和输出裁剪[1 1]8 " Convolution 2 1x1卷积与stride[1 1]和填充[0 0 0 0]9 " Softmax Softmax 10 "像素分类层交叉熵损失
学習オプションをセットアップします。学習時間を短縮するために,MaxEpochsを5に設定します。
选择= trainingOptions (“个”，.．.“InitialLearnRate”1 e - 3,.．.“MaxEpochs”5,.．.“详细”、假);
ネットワークに学習をさせます。
网= trainNetwork (patchds层,选项);
ヒント
randomPatchExtractionDatastoreでは,入力データストアに対する读操作の出力から同じサイズの配列が返されると想定しています。入力データストアが
ImageDatastoreの場合,その标签プロパティの値はrandomPatchExtractionDatastoreによって無視されます。randomPatchExtractionDatastoreの2次元データを可視化するには,データのサブセットを表で返す関数预览を使用できます。関数蒙太奇を使用して,パッチをすべて同じ图に可視化します。たとえば,このコードはrandomPatchExtractionDatastoreのイメージパッチpatchdsのプレビューを表示します。minibatch =预览(patchds);蒙太奇(minibatch.InputImage)
参考
augmentedImageDatastore(深度学习工具箱)|pixelLabelDatastore(计算机视觉工具箱)|imageDatastore|pixelLabelImageDatastore(计算机视觉工具箱)|trainNetwork(深度学习工具箱)|imageDataAugmenter(深度学习工具箱)|TransformedDatastore
トピック
您也可以从以下列表中选择一个网站:
