初始化影像轉換

  • 發行項

本文描述如何使用 Azure Machine Learning 設計工具中的初始化影像轉換元件來初始化影像轉換，以指定要如何轉換影像。

如何設定初始化影像轉換

  1. 在設計工具中，將初始化影像轉換元件新增至您的管線。

  2. 針對 [調整大小]，指定是否要將輸入 PIL 影像的大小調整為指定的大小。 如果您選擇 'True'，則可以在 [大小] 中指定所需的輸出影像大小，預設為 256。

  3. 針對 [中心裁剪]，指定是否要在中心裁剪指定的 PIL 影像。 如果您選擇 'True'，則可以在 [裁剪大小] 中指定所需的裁剪輸出影像大小，預設為 224。

  4. 針對 [填補]，指定是否要在所有側邊以填補值 0 填補指定的 PIL 影像。 如果您選擇 'True'，則可以在 [填補] 中指定要對每個框線進行的填補 (新增的像素)。

  5. 針對 [色彩抖動]，指定是否要隨機變更影像的亮度、對比和飽和度。

  6. 針對 [灰階]，指定是否要將影像轉換為灰階。

  7. 針對 [隨機調整大小的裁剪]，指定是否要將指定的 PIL 影像裁剪成隨機大小和外觀比例。 即會進行原始大小的隨機大小裁剪 (範圍從 0.08 到 1.0)，以及原始外觀比例的隨機外觀比例 (範圍從 3/4 到 4/3)。 此裁剪最終會調整大小為指定的大小。 這通常會用於定型起始網路。 如果您選擇 'True'，則可以在 [隨機大小] 中指定每個邊緣的預期輸出大小，預設為 256。

  8. 針對 [隨機裁剪]，指定是否要在隨機位置裁剪指定的 PIL 影像。 如果您選擇 'True'，則可以在 [隨機裁剪大小] 中指定所需的裁剪輸出大小，預設為 224。

  9. 針對 [隨機水平翻轉]，指定是否要在機率為 0.5 的情況下，隨機水平翻轉指定的 PIL 影像。

  10. 針對 [隨機垂直翻轉]，指定是否要在機率為 0.5 的情況下，隨機垂直翻轉指定的 PIL 影像。

  11. 針對 [隨機旋轉]，指定是否要依角度旋轉影像。 如果您選擇 'True'，則可以藉由設定 [隨機旋轉角度] 來指定角度範圍，其代表 (-度、+度)，預設為 0。

  12. 針對 [隨機仿射]，指定是否要將影像的隨機仿射轉換保持置中不變。 如果您選擇 'True'，則可以在 [隨機仿射角度] 中指定要從中選取的角度範圍，其代表 (-度、+度)，預設為 0。

  13. 針對 [隨機灰階]，指定是否要將影像隨機轉換為具有機率 0.1 的灰階。

  14. 針對 [隨機檢視方塊]，指定是否要在機率為 0.5 的情況下，隨機執行指定 PIL 影像的檢視方塊轉換。

  15. 連接至套用影像轉換元件，以將以上指定的轉換套用至輸入影像資料集。

  16. 提交管線。

結果

轉換完成之後，您可以在套用影像轉換元件的輸出中找到已轉換的影像。

技術說明

如需影像轉換的詳細資訊，請參閱 https://pytorch.org/vision/stable/transforms.html。

元件參數

名稱 範圍 類型 預設 描述
調整大小 任意 布林值 True 將輸入 PIL 影像的大小調整為指定的大小
大小 >=1 整數 256 指定所需的輸出大小
中心裁剪 任意 布林值 True 裁剪指定 PIL 影像的中心
裁剪大小 >=1 整數 224 指定所需的裁剪輸出大小
Pad 任意 布林值 否 使用指定的「填補」值，填補指定的 PIL 影像的所有邊
填補 >=0 整數 0 填補每個邊框
色彩抖動 任意 布林值 否 隨機變更影像的亮度、對比和飽和度
灰階 任意 布林值 否 將影像轉換為灰階
隨機調整大小的裁剪 任意 布林值 否 將指定的 PIL 影像裁剪成隨機大小和外觀比例
隨機大小 >=1 整數 256 每個邊緣的預期輸出大小
隨機裁剪 任意 布林值 否 在隨機位置裁剪指定的 PIL 影像
隨機裁剪大小 >=1 整數 224 所需的裁剪輸出大小
隨機水平翻轉 任意 布林值 True 使用指定的機率，隨機水平翻轉指定的 PIL 影像
隨機垂直翻轉 任意 布林值 否 使用指定的機率，隨機垂直翻轉指定的 PIL 影像
隨機旋轉 任意 布林值 否 依角度旋轉影像
隨機旋轉角度 [0,180] 整數 0 要從中選取的角度範圍
隨機仿射 任意 布林值 否 影像的隨機仿射轉換保持置中不變
隨機仿射角度 [0,180] 整數 0 要從中選取的角度範圍
隨機灰階 任意 布林值 否 使用機率 0.1 隨機將影像轉換為灰階
隨機檢視方塊 任意 布林值 否 使用機率 0.5 隨機執行指定 PIL 影像的檢視方塊轉換
隨機清除 任意 布林值 否 隨機選取影像中的矩形區域，並使用機率 0.5 清除其像素

輸出

名稱 類型 描述
輸出影像轉換 TransformationDirectory 可以連接至套用影像轉換元件的輸出影像轉換。

後續步驟

請參閱 Azure Machine Learning 可用的元件集。