Stosowanie transformacji obrazów
W tym artykule opisano sposób używania składnika Apply Image Transformation w projektancie usługi Azure Machine Learning w celu zmodyfikowania katalogu obrazu wejściowego na podstawie wcześniej określonej transformacji obrazu.
Musisz połączyć składnik Przekształcanie obrazu init w celu określenia przekształcenia, a następnie zastosować takie przekształcenie do katalogu obrazu wejściowego składnika Zastosuj transformację obrazu.
Jak używać zastosuj transformację obrazu
Dodaj składnik Zastosuj transformację obrazu do potoku. Ten składnik można znaleźć w kategorii przetwarzanie obrazów/Przekształcanie danych obrazów.
Połącz dane wyjściowe przekształcenia obrazu init z danymi wejściowymi po lewej stronie zastosuj transformację obrazu.
Uwaga
Do tego składnika akceptowana jest tylko transformacja obrazu wygenerowana przez składnik Przekształcanie obrazu init . W przypadku innego rodzaju przekształcenia połącz ją z zastosowaniem przekształcenia, w przeciwnym razie zostanie zgłoszony błąd "InvalidTransformationDirectoryError".
Połącz katalog obrazów, który chcesz przekształcić.
W obszarze Tryb określ, do jakiego celu używasz transformacji wejściowej: "Do trenowania" lub "Do wnioskowania".
W przypadku wybrania pozycji Do trenowania zostaną zastosowane wszystkie przekształcenia określone w obszarze Przekształcanie obrazu init.
Jeśli wybierzesz opcję W celu wnioskowania, przekształcenie, takie jak tworzenie nowych próbek losowo, zostanie wykluczone przed zastosowaniem. Dzieje się tak, ponieważ operacje przekształcania w celu utworzenia nowych próbek losowo, takich jak "Losowa rzut w poziomie" są używane do rozszerzania danych w trenowaniu, co powinno zostać usunięte w wnioskowaniu, ponieważ próbki wnioskowania muszą zostać naprawione w celu dokładnego przewidywania i oceny.
Uwaga
Przekształcenia, które zostaną wykluczone w trybie Wnioskowanie to: losowa zmiana rozmiaru przycinania, losowa przycinanie, losowa przerzucanie w poziomie, losowa przerzucanie pionowe, rotacja losowa, losowa skala szarości, perspektywa losowa, wymazywanie losowe.
Aby zastosować przekształcenie obrazu do nowego katalogu obrazów, prześlij potok.
Parametry składników
Nazwa | Zakres | Typ | Domyślny | Opis |
---|---|---|---|---|
Tryb | Dowolne | Tryb | (Wymagaj, aby użytkownik określił) | W jakim celu używasz transformacji wejściowej. Należy wykluczyć operacje przekształcania losowego w wnioskowaniu, ale zachować je w treningu |
Oczekiwane dane wejściowe
Nazwa | Typ | Opis |
---|---|---|
Przekształcanie obrazu wejściowego | TransformationDirectory | Przekształcanie obrazu wejściowego |
Katalog obrazów wejściowych | ImageDirectory | Katalog obrazów do przekształcenia |
Dane wyjściowe
Nazwa | Typ | Opis |
---|---|---|
Katalog obrazów wyjściowych | ImageDirectory | Katalog obrazów wyjściowych |
Następne kroki
Zobacz zestaw składników dostępnych dla usługi Azure Machine Learning.