网站建设补充合同范本,外贸做企业什么网站,上海高端网站定制建设公司,做企业网站合同前面的部分专注于卷积神经网络的层结构介绍#xff0c;同时还介绍了到目前为止比较出名的卷积神经网络#xff0c;接着使用比较复杂的卷积神经网络提高了 MNIST 数据集的准确率。下面将从另外的角度——图像增强的方面入手#xff0c;提高模型的准确率和泛化能力。 一直以来… 前面的部分专注于卷积神经网络的层结构介绍同时还介绍了到目前为止比较出名的卷积神经网络接着使用比较复杂的卷积神经网络提高了 MNIST 数据集的准确率。下面将从另外的角度——图像增强的方面入手提高模型的准确率和泛化能力。 一直以来图像识别这一计算机视觉的核心问题都面临很多挑战同一个物体在不同情况下都会得出不同的结论。 对于一张照片我们看到的是一些物体而对于计算机而言它看到的是一些像素点如图 4.23所示。 如果拍摄照片的照相机位置发生了改变那么拍得的图片对于我们而言变化很小但是对于计算机而言图片的像素变化是很大的。拍照时的光照条件也是很重要的一个影响因素光照太弱照片里的物体会和背景融为一体它们的像素点就会很接近计算机就无法正确识别出物体如图4.24所示。 除此之外物体本身的变形也会对计算机识别造成障碍比如一只猫是趴着的计 算机能够识别它但如果猫换了一个姿势变成躺着的状态那么计算机就无法识别了如图 4.25所示。 最后物体本身会隐藏在一些遮蔽物中这样物体只呈现局部的信息计算机也难以识别如图4.26所示。 针对这些问题我们希望能够对原始图片进行增强在一定程度上解决部分问题在 PyTorch 中已经内置了一些图像增强的方法不需要再繁琐地去实现只需要简单的调用。 torchvision.transforms 包括所有图像增强的方法。
第一个函数是 Scale对图片的尺度进行缩小和放大第二个函数是 CenterCrop对图像正中心进行给定大小的裁剪第三个函数是 RandomCrop对图片进行给定大小的随记裁剪第四个函数是 RandomHorizaontalFlip对图片进行概率为 0.5 的随机水平翻转第五个函数是 RandomSizedCrop首先对图片进行随机尺寸的裁剪然后对裁剪的图片进行一个随机比例的缩放最后将图片变成给定的大小这在 InceptionNet 中比较流行最后一个是 Pad对图片进行边界零填充。 上面介绍了 PyTorch 内置的一些图像增强的方法还有更多的增强方法可以使用 OpenCV或者 PIL 等第三方图形库实现。在网络的训练中图像增强是一种常见、默认的做法对多任务进行图像增强之后都能够在一定程度上提升任务的准确率。
