extractPixels: transformação de dados de pixel de extração do Machine Learning

Artigo
05/23/2023

Extrai os valores de pixel de uma imagem.

Uso

  extractPixels(vars, useAlpha = FALSE, useRed = TRUE, useGreen = TRUE,
    useBlue = TRUE, interleaveARGB = FALSE, convert = TRUE, offset = NULL,
    scale = NULL)

Argumentos

`vars`

Uma lista nomeada de vetores de caracteres de nomes de variáveis de entrada e o nome da variável de saída. Observe que as variáveis de entrada precisam ser do mesmo tipo. Para mapeamentos um para um entre variáveis de entrada e saída, um vetor de caractere nomeado pode ser usado.

`useAlpha`

Especifica se é preciso usar o canal alfa. O valor padrão é FALSE.

`useRed`

Especifica se é preciso usar o canal vermelho. O valor padrão é TRUE.

`useGreen`

Especifica se é preciso usar o canal verde. O valor padrão é TRUE.

`useBlue`

Especifica se é preciso usar o canal azul. O valor padrão é TRUE.

`interleaveARGB`

Especifica se é preciso separar ou intercalar cada canal na ordem ARGB. Isso pode ser importante caso esteja treinando uma rede neural convolucional, pois isso vai afetar a forma do kernel, do STRIDE etc.

`convert`

Especifica se é preciso converter o número de ponto flutuante. O valor padrão é FALSE.

`offset`

Especifica o deslocamento (antes da escala). Isso exige usar convert = TRUE. O valor padrão é NULL.

`scale`

Especifica o fator de escala. Isso exige usar convert = TRUE. O valor padrão é NULL.

Detalhes

extractPixels extrai valores de pixel de uma imagem. As variáveis de entrada são imagens do mesmo tamanho, geralmente a saída de uma transformação resizeImage. A saída representa dados de pixel no formato de vetor que geralmente são usados como recursos para um aluno.

Valor

Um objeto maml que define a transformação.

Autor(es)

Microsoft Corporation Microsoft Technical Support

Exemplos


 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")

Partilhar via