Transformação da Imagem de Inicialização

Este artigo descreve como usar o componente Inicializar Transformação de Imagem no Azure Machine Learning Designer para inicializar a transformação de imagem e especificar como você deseja que a imagem seja transformada.

Como configurar o módulo Inicializar Transformação de Imagem

  1. Adicione o componente Inicializar Transformação de Imagem ao seu pipeline no designer.

  2. Para Redimensionar, especifique se a Imagem PIL de entrada deve ser redimensionada para o tamanho especificado. Se você escolher 'True', poderá especificar o tamanho da imagem de saída desejada em Tamanho. O padrão é 256.

  3. Para Corte no centro, especifique se deseja cortar a Imagem PIL no centro. Se escolher 'True', você poderá especificar o tamanho da imagem de saída desejada em Tamanho do corte. O padrão é 224.

  4. Para Preenchimento, especifique se deseja preencher a Imagem PIL em todos os lados com o valor de preenchimento 0. Se você escolher 'True', poderá especificar o preenchimento (quantos pixels adicionar) em cada borda em Preenchimento.

  5. Para Tremulação de cor, especifique se deseja alterar aleatoriamente o brilho, o contraste e a saturação de uma imagem.

  6. Para Escala de cinza, especifique se a imagem deve ser convertida em escala de cinza.

  7. Para Corte aleatório redimensionado, especifique se deseja cortar a Imagem PIL em um tamanho e taxa de proporção aleatórios. É feito um corte de tamanho aleatório (intervalo de 0,08 a 1,0) em relação ao tamanho original e com taxa de proporção aleatória (intervalo de 3/4 a 4/3) com relação à taxa de proporção original. Esse corte é redimensionado para o tamanho fornecido. Normalmente, é usado no treinamento de redes de Início. Se você escolher 'True', poderá especificar o tamanho de saída esperado de cada borda em Tamanho aleatório. O padrão é 256.

  8. Para Corte aleatório, especifique se deseja cortar a Imagem PIL em uma localização aleatória. Se escolher 'True', você poderá especificar o tamanho da saída desejada em Tamanho do corte aleatório. O padrão é 224.

  9. Para Inversão horizontal aleatória, especifique se deseja girar horizontalmente a Imagem PIL de modo aleatório com probabilidade de 0,5.

  10. Para Inversão vertical aleatória, especifique se deseja girar verticalmente a Imagem PIL de modo aleatório com probabilidade de 0,5.

  11. Para Rotação aleatória, especifique se deseja girar a imagem pelo ângulo. Se escolher 'True', você poderá especificar um intervalo de graus definindo Graus de rotação aleatória, o que significa (- graus, + graus). O padrão é 0.

  12. Para Transformação afim aleatória, especifique se deseja fazer a transformação afim aleatória da imagem mantendo o centro invariável. Se escolher 'True', você poderá especificar um intervalo de graus selecionado em Graus de transformação afim aleatória, o que significa (- graus, + graus). O padrão é 0.

  13. Para Escala de cinza aleatória, especifique se deseja converter aleatoriamente a imagem em escala de cinza com a probabilidade 0,1.

  14. Para Perspectiva aleatória, especifique se a Transformação de perspectiva da Imagem PIL determinada será executada aleatoriamente com probabilidade de 0,5.

  15. Conecte-se ao componente Aplicar Transformação de Imagem para aplicar a transformação especificada acima ao conjunto de dados de imagem de entrada.

  16. Enviar o pipeline.

Resultados

Após a conclusão da transformação, você poderá encontrar as imagens transformadas na saída do componente Aplicar Transformação de Imagem.

Observações técnicas

Confira https://pytorch.org/vision/stable/transforms.html para obter mais informações sobre a transformação de imagem.

Parâmetros do componente

Nome Intervalo Type Padrão Descrição
Redimensionar Qualquer Booliano verdadeiro Redimensionar a Imagem PIL de entrada para o tamanho determinado
Tamanho >=1 Integer 256 Especificar o tamanho de saída desejado
Corte central Qualquer Booliano verdadeiro Corta a Imagem PIL no centro
Tamanho do corte >=1 Integer 224 Especificar o tamanho de saída desejado do corte
Pad Qualquer Booliano Falso Preencher a Imagem PIL em todos os lados com o valor de "preenchimento" fornecido
Preenchimento >=0 Integer 0 Preenchimento em cada borda
Tremulação de cor Qualquer Booliano Falso Alterar aleatoriamente o brilho, o contraste e a saturação de uma imagem
Escala de cinza Qualquer Booliano Falso Converter uma imagem em escala de cinza
Corte redimensionado aleatório Qualquer Booliano Falso Cortar a Imagem PIL para o tamanho e a taxa de proporção aleatórios
Tamanho aleatório >=1 Integer 256 Tamanho de saída esperado de cada borda
Corte aleatório Qualquer Booliano Falso Cortar a Imagem PIL em uma localização aleatória
Tamanho de corte aleatório >=1 Integer 224 Tamanho de saída desejado do corte
Inversão horizontal aleatória Qualquer Booliano verdadeiro Inverter horizontalmente a Imagem PIL de modo aleatório com uma determinada probabilidade
Inversão vertical aleatória Qualquer Booliano Falso Inverter verticalmente a Imagem PIL de modo aleatório com uma determinada probabilidade
Rotação aleatória Qualquer Booliano Falso Girar a imagem pelo ângulo
Graus de rotação aleatória [0,180] Integer 0 Intervalo de graus do qual selecionar
Transformação afim aleatória Qualquer Booliano Falso Transformação afim aleatória da imagem mantendo o centro invariável
Graus de transformação afim aleatória [0,180] Integer 0 Intervalo de graus do qual selecionar
Escala de cinza aleatória Qualquer Booliano Falso Converter aleatoriamente a imagem em escala de cinza com a probabilidade 0,1
Perspectiva aleatória Qualquer Booliano Falso Executa a transformação em perspectiva da Imagem PIL aleatoriamente com probabilidade de 0,5
Apagamento aleatório Qualquer Booliano Falso Seleciona aleatoriamente uma região de retângulo em uma imagem e apaga seus pixels com probabilidade de 0,5

Saída

Nome Type Descrição
Transformação da imagem de saída TransformationDirectory Transformação da imagem de saída que pode ser conectada ao componente Aplicar Transformação de Imagem.

Próximas etapas

Confira o conjunto de componentes disponíveis no Azure Machine Learning.