extractPixels：機器學習擷取像素資料轉換

文章
05/04/2023

從影像中擷取像素值。

使用方式

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

引數

`vars`

輸入變數名稱和輸出變數名稱的字元向量具名清單。請注意，輸入變數必須為相同類型。對於輸入與輸出變數之間的一對一對應，可以使用具名字元向量。

`useAlpha`

指定是否要使用 Alpha 色板。預設值是 FALSE。

`useRed`

指定是否要使用紅色色板。預設值是 TRUE。

`useGreen`

指定是否要使用綠色色板。預設值是 TRUE。

`useBlue`

指定是否要使用藍色色板。預設值是 TRUE。

`interleaveARGB`

是要分隔每個色板還是按 ARGB 順序交錯。這可能有其重要性，例如，在定型卷積神經網路時就是如此，因為這可能會影響核心的形狀、步幅等。

`convert`

是否要轉換成浮點數。預設值是 FALSE。

`offset`

指定位移 (預先調整)。這需要 convert = TRUE。預設值是 NULL。

`scale`

指定縮放比例。這需要 convert = TRUE。預設值是 NULL。

詳細資料

extractPixels 會從影像中擷取像素值。輸入變數是相同大小的影像，通常是 resizeImage 轉換的輸出。輸出是向量形式的像素資料，通常用來作為學習模組的特徵。

值

定義轉換的 maml 物件。

作者

Microsoft Corporation Microsoft Technical Support

範例


 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")

分享方式：