extractPixels：机器学习提取像素数据转换

项目
05/23/2023

从图像中提取像素值。

用法

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

参数

`vars`

输入变量名称和输出变量名称的字符向量的命名列表。请注意，所有输入变量的类型必须相同。对于输入变量和输出变量之间的一对一映射，可以使用命名字符向量。

`useAlpha`

指定是否使用 alpha 通道。默认值是 FALSE。

`useRed`

指定是否使用红色通道。默认值是 TRUE。

`useGreen`

指定是否使用绿色通道。默认值是 TRUE。

`useBlue`

指定是否使用蓝色通道。默认值是 TRUE。

`interleaveARGB`

是分隔每个通道还是按 ARGB 顺序交错。例如，如果要训练卷积神经网络，这可能很重要，因为这会影响内核的形状、步幅等。

`convert`

是否转换为浮点数。默认值是 FALSE。

`offset`

指定偏移量（缩放前）。这需要 convert = TRUE。默认值是 NULL。

`scale`

指定缩放系数。这需要 convert = TRUE。默认值是 NULL。

详细信息

extractPixels 从图像中提取像素值。输入变量是大小相同的图像，通常是 resizeImage 转换的输出。输出是向量形式的像素数据，通常用作学习器的特征。

值

一个 maml 对象，用于定义转换。

作者

Microsoft Corporation Microsoft Technical Support

示例


 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")

通过