Going Deeper(CV)

3.美白が上手で、100枚のイメージが羨ましくない

実習目標

なぜ

を増色するのか知っています

は、様々な強化方法を理解する.

学習で強化を適用する際の注意点を熟知しています.

学習内容

1.データセットの現実

1.1大量データセット

のラベルデータが含まれていても、1枚あたり10元しかありません.
イメージネットワークなどのデータセットの導入にかかるコストは1億ドルを超えています.

1.2直接配置されたデータセット

のデータを直接収集すると、万枚のデータセット単位でデータセット

を収集することは困難である.

2.データ拡張とは？

2.1概要

データの増加は?
さまざまな方法でデータセットを強化し、実際の学習データセットの規模を拡大する方法

データの増加は、オーバーフィットを減少させることを意味する

のデータを追加し、モデルが実際のテスト環境で正常に動作するのを支援します.

画像データの拡張

カラーフィルタ

左右対称

前半

2.2複数種類の画像拡張方法

Flipping

ミラー機能

で検出または分割されたような正解領域があれば、同時にラベルを左右に反転させる.

の数字や文字を認識しても注意が必要!

Gray scale

3チャネルRGBイメージ、1チャネル

各チャネル重み付け加算、各重み付けの和は1である.

Saturation
機能

は、HSVモデルの彩度を調整することによって色の鮮明さ(純)を変化させる

Brightness

輝度調整機能

Rotation

回転可能画像

90度または180度の場合、形状を考慮する必要はありませんが、その他の場合、矩形に基づいて画像の形状を考慮する必要があります.

Center Crop

画像の中心拡大機能

内容物の形状を保持する限度内で行う.

整理する
[ https://github.com/aleju/imgaug ]

それ以外は

Gaussian noise, Contrast change, Sharpen, Affine transformation, Padding, Blurring, ...

3.Tensor Flowを使用した画像拡張

3.1 Flip

1)準備

PILの画像

をインポートする.

PIL.イメージ読み込みにより、サイズ

を適宜調整する.
2)Flipを試してみる

PIL.画像のflip left rightとflip up downの2つの方式で左右と上下を反転

する.

random flip left rightとrandom flip up downはランダム確率でflipを行う

3.2 Center Crop

centeral creatで拡大し、パラメータとして画像と拡大パラメータを加え、このパラメータに1を加えると元の画像と同じ画像が得られます.(パラメータ0から1)

3.3 random_crop

tf.image.random_crop(value, size)

size = [crop_height, crop_width, 3]

3.4 random_brightness()

tf.image.random_brightness(image, max_delta)

max_dalta -> float, must be non-negative.

4.Albumentationライブラリ

拡張画像用Pythonライブラリ

リファレンスサイトhttps://albumentations.ai/docs/api_reference/augmentations/geometric/transforms/#albumentations.augmentations.geometric.transforms.Affine2

画像の基本フォーマットとして

アレイを用いる(np.arrayを用いる)

.

import albumentations

Affine()

イメージのズーム、パン、または回転

RandomCrop()

の画像

をランダムに生成することができる.

MedianBlur()

チーク処理可能

ToGray()

画像を白黒

に変換する.

MultiplicativeNoise()

画像においてノイズ

が生成する.

は以下の形式で多種の技術を同時に応用する:

transform = A.Compose(
    [A.ToGray(p=1),
    A.MultiplicativeNoise(multiplier=[0.5, 1.5], 
                          elementwise=True, per_channel=True, p=1),
     A.RandomCrop(width=256, height=256)
    ]
    )

5.さらなるテクニック

深さ学習

の典型的な深さ学習例:GAN(Style Transfer)