次の方法で共有


resizeImage: Machine Learning 画像サイズ変更変換

指定したサイズ変更方法を使用して、画像のサイズを指定したディメンションに変更します。

使用方法

  resizeImage(vars, width = 224, height = 224, resizingOption = "IsoCrop")

引数

vars

入力変数名の文字ベクトルの名前付きリストと、出力変数の名前。 入力変数は同じ型である必要があることに注意してください。 入力変数と出力変数の間の 1 対 1 のマッピングでは、名前付き文字ベクトルを使用できます。

width

スケーリングされた画像の幅をピクセル単位で指定します。 既定値は 224 です。

height

スケーリングされた画像の高さをピクセル単位で指定します。 既定値は 224 です。

resizingOption

使用するサイズ変更方法を指定します。 すべての方法でバイリニア補間が使用されていることに注意してください。 オプションは次のとおりです。

  • "IsoPad": 縦横比が維持されるように画像のサイズが変更されます。 必要に応じて、画像は新しい幅または高さに合わせて黒で埋められます。
  • "IsoCrop": 縦横比が維持されるように画像のサイズが変更されます。 必要に応じて、新しい幅または高さに合わせて画像がトリミングされます。
  • "Aniso": 縦横比を維持せずに、画像が新しい幅と高さに拡大されます。 既定値は "IsoPad" です。

説明

resizeImage では、指定されたサイズ変更方法を使用して、指定された高さと幅に画像のサイズを変更します。 この変換に対する入力変数は画像である必要があります。通常は loadImage 変換の結果です。

変換を定義する maml オブジェクト。

作成者

Microsoft Corporation Microsoft Technical Support


 train <- data.frame(Path = c(system.file("help/figures/RevolutionAnalyticslogo.png", package = "MicrosoftML")), Label = c(TRUE), stringsAsFactors = FALSE)

 # Loads the images from variable Path, resizes the images to 1x1 pixels and trains a neural net.
 model <- rxNeuralNet(
     Label ~ Features,
     data = train,
     mlTransforms = list(
         loadImage(vars = list(Features = "Path")),
         resizeImage(vars = "Features", width = 1, height = 1, resizing = "Aniso"),
         extractPixels(vars = "Features")
         ),
     mlTransformVars = "Path",
     numHiddenNodes = 1,
     numIterations = 1)

 # Featurizes the images from variable Path using the default model, and trains a linear model on the result.
 model <- rxFastLinear(
     Label ~ Features,
     data = train,
     mlTransforms = list(
         loadImage(vars = list(Features = "Path")),
         resizeImage(vars = "Features", width = 224, height = 224), # If dnnModel == "AlexNet", the image has to be resized to 227x227.
         extractPixels(vars = "Features"),
         featurizeImage(var = "Features")
         ),
     mlTransformVars = "Path")