data augmentation - هفت خط کد انجمن پرسش و پاسخ برنامه نویسی

وبـــلاگ هــفت خــط کــد


آموزش های برنامه نویسی
۲۸۳ نفر آنلاین
۸۰ عضو و ۲۰۳ مهمان در سایت حاضرند

data augmentation

0 امتیاز

سلام دوستان 

می خوام augmentation انجام بدم

چطور میشه از ImageDataGenerator در کراس استفاده کرد؟

من یک آرایه از عکس ها و یک آرایه هم از لیبل ها دارم.

شبکه هم unet هست

روش های زیر هم می خوام انجام بدم

Random crop

Mirroring
Color shifting
hue saturation
exposure shift(فکرکنم flip و shearing هم جزئش بشه؟؟)
Zoom in, Zoom out
Changing brightness or contrast
Random Rotation
 
ببخشید سوال ابتدایی هست تو نت گشتم درست متوجه نشدم

با تشکر

سوال شده آبان 22, 1399  بوسیله ی pilapila (امتیاز 232)   14 43 56
ویرایش شده آبان 22, 1399 بوسیله ی pilapila

1 پاسخ

+1 امتیاز
 
بهترین پاسخ

افزایش داده ها تکنیکی است که برای افزایش مصنوعی اندازه یک مجموعه داده با ایجاد نسخه های اصلاح شده از داده های موجود استفاده می شود. این کار با اعمال تغییر شکل های مختلف بر روی تصاویر انجام می شود، مانند چرخش های تصادفی، ترجمه ها، تلنگرها و تغییرات در روشنایی و کنتراست. هدف از افزایش داده، قرار دادن یک مدل در معرض تغییرات مختلف تصویر یکسان است که به قوی‌تر شدن مدل و کمتر مستعد برازش بیش از حد کمک می‌کند. معمولاً در یادگیری عمیق استفاده می‌شود، جایی که مقادیر زیادی از داده‌های برچسب‌گذاری شده برای آموزش مؤثر مدل‌ها مورد نیاز است.

چیز پیچیده ای نیست این یک مثال ساده اش هست:

  train_datagen = ImageDataGenerator(
                                     shear_range=0.3,
                                     zoom_range=0.35,
                                     validation_split=0.2)

  validation_datagen = ImageDataGenerator(
                                          shear_range=0.3,
                                          zoom_range=0.35)

  validation_set = validation_datagen.flow(X_test, y_test,

                                           batch_size=50)
  training_set = train_datagen.flow(X_train, y_train,
                                    batch_size=50)

  model.fit_generator(training_set,callbacks=[tensorboard, checkpoint], shuffle=True,verbose=1,
                         steps_per_epoch= 500,
                         epochs = 1000,
                         validation_data = validation_set,
                      validation_steps= 100)

خوب هر چیزی که نیاز دارید با توجه به نسخه ای از کراس که نصب کردید می تونید استفاده کنید مواردی هم که وجود نداره به سادگی خودتون بنویسید مثالی در این پست قرار داده شده .

پاسخ داده شده آبان 22, 1399 بوسیله ی عباس مولایی (امتیاز 2,754)   1 5 13
ویرایش شده بهمن 4, 1401 بوسیله ی عباس مولایی
...