转换批处理以增强图像数据
增强图像数据存储通过可选的预处理(如调整大小、旋转和反射)对训练、验证、测试和预测数据进行批量转换。调整图像的大小,使其与深度学习网络的输入大小兼容。使用随机预处理操作增加训练图像数据,以帮助防止网络过度拟合和记忆训练图像的确切细节。
要使用增强图像训练网络,请提供augmentedImageDatastore
来trainNetwork
.有关更多信息,请参见深度学习的图像预处理.
当您使用扩充图像数据存储作为训练图像的来源时,该数据存储将随机扰动每个epoch的训练数据,因此每个epoch使用略有不同的数据集。每个纪元的实际训练图像数量没有变化。转换后的图像不存储在内存中。
一个imageInputLayer
使用增广图像的均值而不是原始数据集的均值对图像进行归一化。这个平均数对于第一个增广期计算一次。所有其他纪元使用相同的平均值,这样平均图像不会在训练过程中发生变化。
默认情况下,一个augmentedImageDatastore
仅调整图像大小以适应输出大小。控件可以配置其他图像转换选项imageDataAugmenter
.
auimds = augmentedImageDatastore (outputSize,
使用图像数据存储中的图像创建一个扩充的图像数据存储,用于分类问题洛桑国际管理发展学院
)洛桑国际管理发展学院
,并设置
财产。OutputSize
auimds = augmentedImageDatastore (outputSize,
创建一个扩充的图像数据存储,用于预测数组中的图像数据的响应X
)X
.
auimds = augmentedImageDatastore (outputSize,
为分类和回归问题创建一个扩充的图像数据存储。桌上,资源描述
)资源描述
,包含预测因素和反应。
auimds = augmentedImageDatastore (outputSize,
为分类和回归问题创建一个扩充的图像数据存储。桌上,资源描述
,responseNames
)资源描述
,包含预测因素和反应。的responseNames
参数指定的响应变量资源描述
.
auimds = augmentedImageDatastore (___、名称、值)
创建扩展的图像数据存储,使用名称-值对设置
,ColorPreprocessing
,DataAugmentation
,OutputSizeMode
属性。可以指定多个名称-值对。将每个属性名用引号括起来。DispatchInBackground
例如,myTable augmentedImageDatastore([28日28],“OutputSizeMode”,“centercrop”)
创建一个增强图像数据存储,从中心裁剪图像。
结合 |
合并来自多个数据存储的数据 |
hasdata |
确定是否可以读取数据 |
numpartitions |
数据存储分区数 |
分区 |
分区数据存储 |
partitionByIndex |
分区augmentedImageDatastore 根据指数 |
预览 |
预览数据存储中的数据子集 |
读 |
读取的数据augmentedImageDatastore |
readall |
读取数据存储中的所有数据 |
readByIndex |
读取由index指定的数据augmentedImageDatastore |
重置 |
将数据存储重置为初始状态 |
洗牌 |
混乱的数据augmentedImageDatastore |
子集 |
创建数据存储或文件集的子集 |
变换 |
变换数据存储 |
isPartitionable |
确定数据存储是否可分区 |
isShuffleable |
确定数据存储是否可洗牌 |
控件可以在同一个图形中可视化多个变换后的图像imtile
函数。例如,这段代码显示了来自称为auimds
.
minibatch =阅读(auimds);imshow (imtile (minibatch.input))
默认情况下,调整大小是对图像执行的唯一图像预处理操作。属性启用其他预处理操作
名称-值对参数DataAugmentation
imageDataAugmenter
对象。每次从增强图像数据存储中读取图像时,将对每个图像应用不同的随机预处理操作组合。