Initialisieren einer Bildtransformation

  • Artikel

In diesem Artikel wird beschrieben, wie die Init Image Transformation-Komponente im Azure Machine Learning-Designer verwendet wird, um eine Bildtransformation zu initialisieren, um damit anzugeben, wie ein Bild transformiert werden soll.

Konfigurieren von Init Image Transformation

  1. Fügen Sie die Komponente Init Image Transformation im Designer Ihrer Pipeline hinzu.

  2. Geben Sie für Resize an, ob die Größe des PIL-Eingabebilds gemäß der Angabe geändert werden soll. Wenn Sie ‚True‘ wählen, können Sie die gewünschte Größe des Ausgabebilds in Size angeben, der Standardwert ist 256.

  3. Geben Sie für Center crop an, ob das angegebene PIL-Bild in der Mitte zugeschnitten werden soll. Wenn Sie ‚True‘ wählen, können Sie die gewünschte Ausgabebildgröße des Zuschnitts in Crop size angeben, der Standardwert ist 224.

  4. Geben Sie in Pad an, ob das angegebene PIL-Bild auf allen Seiten mit dem Auffüllwert 0 aufgefüllt werden soll. Wenn Sie ‚True‘ wählen, können Sie die Auffüllung für jede Kante (wie viele Pixel hinzugefügt werden sollen) in Padding angeben.

  5. Geben Sie in Color jitter an, ob Helligkeit, Kontrast und Sättigung eines Bilds zufällig geändert werden sollen.

  6. Geben Sie in Grayscale an, ob das Bild in Graustufen konvertiert werden soll.

  7. Geben Sie in Random resized crop an, ob das angegebene PIL-Bild auf eine zufällige Größe und ein zufälliges Seitenverhältnis zugeschnitten werden soll. Es wird ein Zuschnitt zufälliger Größe (Bereich von 0,08 bis 1,0) gegenüber der Originalgröße und einem zufälligen Seitenverhältnis (Bereich von 3/4 bis 4/3) gegenüber dem ursprünglichen Seitenverhältnis erstellt. Die Größe dieses Zuschnitts wird schließlich auf die angegebene Größe geändert. Dies wird häufig beim Trainieren des Inception-Netzwerks verwendet. Wenn Sie ‚True‘ wählen, können Sie die erwartete Ausgabegröße jeder Kante in Random size angeben, der Standardwert ist 256.

  8. Geben Sie für Random crop an, ob das angegebene PIL-Bild an einer zufälligen Stelle zugeschnitten werden soll. Wenn Sie ‚True‘ auswählen, können Sie die gewünschte Ausgabegröße des Zuschnitts in Random crop size angeben, der Standardwert ist 224.

  9. Geben Sie für Random horizontal flip an, ob das angegebene PIL-Bild zufällig mit einer Wahrscheinlichkeit von 0,5 horizontal gekippt werden soll.

  10. Geben Sie für Random vertical flip an, ob das angegebene PIL-Bild zufällig mit einer Wahrscheinlichkeit von 0,5 vertikal gekippt werden soll.

  11. Geben Sie in Random rotation an, ob das Bild um einen Winkel gedreht werden soll. Wenn Sie ‚True‘ wählen, können Sie einen Gradbereich angeben, indem Sie Random rotation degrees festlegen, was (Grad -, Grad +) bedeutet, der Standardwert ist 0.

  12. Geben Sie in Random affine an, ob eine zufällige affine Transformation des Bilds erfolgen soll, ohne Veränderung der Bildmitte. Wenn Sie ‚True‘ wählen, können Sie einen Gradbereich angeben, den Sie in Random rotation degrees auswählen können, was (Grad -, Grad +) bedeutet, der Standardwert ist 0.

  13. Geben Sie in Random grayscale an, ob das Bild zufällig in Graustufen konvertiert werden soll, mit einer Wahrscheinlichkeit von 0,1.

  14. Geben Sie in Random perspective an, ob mit einer Wahrscheinlichkeit von 0,5 eine zufällige Perspektivtransformation des angegebenen PIL-Bilds durchgeführt werden soll.

  15. Stellen Sie eine Verbindung mit der Komponente Apply Image Transformation (Bildtransformation anwenden) her, um die oben angegebene Transformation auf das Eingabe-Bilddataset anzuwenden.

  16. Übermitteln Sie die Pipeline.

Ergebnisse

Nach dem Abschluss der Transformation finden Sie die transformierten Bilder in der Ausgabe der Komponente Apply Image Transformation (Bildtransformation anwenden).

Technische Hinweise

Weitere Informationen zur Bildtransformation finden Sie unter https://pytorch.org/vision/stable/transforms.html.

Komponentenparameter

Name Range type Standard BESCHREIBUNG
Größe ändern Any Boolean True Ändern der Größe des PIL-Eingabebilds auf die angegebene Größe
Size >=1 Integer 256 Geben Sie die gewünschte Ausgabegröße an.
Center crop Any Boolean True Schneidet das angegebene PIL-Bild in der Mitte zu
Crop size >=1 Integer 224 Geben Sie die gewünschte Ausgabegröße des Zuschnitts an
Pad Any Boolean False Auffüllen des angegebenen PIL-Bilds auf allen Seiten mit dem angegebenen Wert von „pad“
Auffüllen >=0 Integer 0 Auffüllen an jeder Kante
Color jitter Any Boolean False Helligkeit, Kontrast und Sättigung eines Bilds zufällig ändern
Grayscale Any Boolean False Konvertieren eines Bilds in Graustufen
Random resized crop Any Boolean False Schneidet das angegebene PIL-Bild auf eine zufällige Größe und ein zufälliges Seitenverhältnis zu
Random size >=1 Integer 256 Erwartete Ausgabegröße jeder Kante
Random crop Any Boolean False Beschneidet das angegebene PIL-Bild an einer zufälligen Stelle
Random crop size >=1 Integer 224 Gewünschte Ausgabegröße des Zuschnitts
Random horizontal flip Any Boolean True Angegebenes PIL-Bild mit einer angegebenen Wahrscheinlichkeit zufällig horizontal kippen
Random vertical flip Any Boolean False Angegebenes PIL-Bild mit einer angegebenen Wahrscheinlichkeit zufällig vertikal kippen
Random rotation Any Boolean False Drehen des Bilds um einen Winkel
Random rotation degrees [0,180] Integer 0 Gradbereich zur Auswahl
Random affine Any Boolean False Zufällige affine Transformation des Bilds ohne Veränderung der Bildmitte
Random affine degrees [0,180] Integer 0 Gradbereich zur Auswahl
Random grayscale Any Boolean False Bild mit einer Wahrscheinlichkeit von 0,1 zufällig in Graustufen konvertieren
Random perspective Any Boolean False Führt mit einer Wahrscheinlichkeit von 0,5 eine zufällige Perspektivtransformation des angegebenen PIL-Bilds durch
Random erasing Any Boolean False Wählt mit einer Wahrscheinlichkeit von 0,5 einen rechteckigen Bereich in einem Bild aus und löscht dessen Pixel

Output

Name type BESCHREIBUNG
Ausgabebildtransformation TransformationDirectory Ausgabebildtransformation, die mit der Komponente Apply Image Transformation (Bildtransformation anwenden) verbunden werden kann.

Nächste Schritte

Hier finden Sie die für Azure Machine Learning verfügbaren Komponenten.