নিউরাল নেটওয়ার্কের জন্য চিত্রগুলি কীভাবে প্রস্তুত / বাড়ানো যায়?


41

আমি চিত্রের শ্রেণিবিন্যাসের জন্য একটি নিউরাল নেটওয়ার্ক ব্যবহার করতে চাই। আমি প্রাক প্রশিক্ষিত ক্যাফনেট দিয়ে শুরু করব এবং এটি আমার অ্যাপ্লিকেশনটির জন্য প্রশিক্ষণ দেব।

আমি কীভাবে ইনপুট চিত্রগুলি প্রস্তুত করব?

এই ক্ষেত্রে, সমস্ত চিত্র একই বস্তুর কিন্তু ভিন্নতার সাথে (মনে করুন: মান নিয়ন্ত্রণ)। এগুলি কিছুটা আলাদা স্কেল / রেজোলিউশন / দূরত্ব / আলোক শর্তে (এবং অনেক ক্ষেত্রে আমি স্কেল জানি না)। এছাড়াও, প্রতিটি চিত্রটিতে আগ্রহের বস্তুর চারপাশে এমন একটি অঞ্চল (পরিচিত) রয়েছে যা নেটওয়ার্ক দ্বারা উপেক্ষা করা উচিত।

আমি (উদাহরণস্বরূপ) প্রতিটি চিত্রের কেন্দ্র কাটতে পারি, যা আগ্রহের অবজেক্টের একটি অংশ এবং অবহেলিত অঞ্চলগুলির কোনওটিই অন্তর্ভুক্ত করার নিশ্চয়তাযুক্ত; তবে মনে হয় এটি তথ্য ছুঁড়ে ফেলবে এবং ফলাফলগুলিও একই স্কেল হবে না (সম্ভবত 1.5x ভিন্নতা)।

ডেটাসেট বৃদ্ধি

আমি এলোমেলো ফসল / আয়না / ইত্যাদি দ্বারা আরও প্রশিক্ষণের ডেটা তৈরি করার কথা শুনেছি, এর জন্য কি কোনও মানক পদ্ধতি আছে? শ্রেণিবদ্ধের নির্ভুলতায় এটি কতটা উন্নতি করে তার কোনও ফলাফল?

উত্তর:


35

নিউরাল নেটওয়ার্কগুলির সাথে ধারণাটি হ'ল তাদের ভারি উত্তোলনটি অ্যালগরিদম দ্বারা সম্পন্ন হওয়ায় যেহেতু বৈশিষ্ট্যগুলি শেখার দায়িত্বে রয়েছে তাদের সামান্য প্রাক-প্রক্রিয়াজাতকরণ প্রয়োজন।

ডেটা সায়েন্স বোল 2015 এর বিজয়ীদের তাদের পদ্ধতির বিষয়ে দুর্দান্ত লেখার ব্যবস্থা রয়েছে, তাই এই উত্তরের বেশিরভাগ বিষয়বস্তু থেকেই নেওয়া হয়েছিল: গভীর নিউরাল নেটওয়ার্কগুলির সাথে প্লাঙ্কটনকে শ্রেণিবদ্ধ করা । আমি আপনাকে এটি পড়ার পরামর্শ দিচ্ছি, বিশেষত প্রাক-প্রক্রিয়াজাতকরণ এবং ডেটা বৃদ্ধির অংশ

- চিত্রগুলি পুনরায় আকার দিন

বিভিন্ন আকার, রেজোলিউশন বা দূরত্ব হিসাবে আপনি নিম্নলিখিতটি করতে পারেন। আপনি কেবলমাত্র প্রতিটি চিত্রের বৃহত্তম দিকটিকে একটি নির্দিষ্ট দৈর্ঘ্যে পুনরুদ্ধার করতে পারেন।

আরেকটি বিকল্প হ'ল ওপেনসিভি বা স্কিপি ব্যবহার করা। এবং এটি চিত্রটি আকার পরিবর্তন করবে 100 টি কলস (প্রস্থ) এবং 50 টি সারি (উচ্চতা):

resized_image = cv2.resize(image, (100, 50)) 

তবুও অন্য বিকল্পটি হ'ল স্কিপি মডিউল ব্যবহার করে:

small = scipy.misc.imresize(image, 0.5)

- ডেটা অগমেন্টেশন

ডেটা অগমেন্টেশন সর্বদা কর্মক্ষমতা উন্নত করে যদিও পরিমাণটি ডেটাসেটের উপর নির্ভর করে। আপনি যদি কৃত্রিমভাবে ডেটাসেটের আকার বাড়ানোর জন্য ডেটা বৃদ্ধি করতে চান তবে যদি মামলাটি প্রযোজ্য হয় তবে আপনি নিম্নলিখিতটি করতে পারেন (উদাহরণস্বরূপ এমন ঘর বা লোকের চিত্র যদি এটি প্রযোজ্য না যেখানে আপনি তাদের 180 ডিগ্রি ঘোরালে তারা সমস্ত তথ্য হারাবেন তবে আপনি যদি তাদেরকে আয়নার মতো ফ্লিপ করেন না তবে):

  • ঘূর্ণন: 0 ° এবং 360 ° (অভিন্ন) এর মধ্যে কোণ সহ এলোমেলো
  • অনুবাদ: -10 এবং 10 পিক্সেলের মধ্যে শিফট সহ এলোমেলো (অভিন্ন)
  • পুনরুদ্ধার: 1 / 1.6 এবং 1.6 (লগ-ইউনিফর্ম) এর মধ্যে স্কেল ফ্যাক্টর সহ এলোমেলো
  • উল্টানো: হ্যাঁ বা না (বার্নোল্লি)
  • শিয়ারিং: -20 ° এবং 20 between (অভিন্ন) এর মধ্যে কোণ সহ এলোমেলো
  • প্রসারিত: 1 / 1.3 এবং 1.3 (লগ-ইউনিফর্ম) এর মধ্যে প্রসারিত ফ্যাক্টর সহ এলোমেলো

আপনি ডেটা সায়েন্সের বাটি চিত্রগুলিতে ফলাফল দেখতে পাচ্ছেন।

প্রাক প্রক্রিয়াজাতকরণ চিত্র

প্রাক প্রক্রিয়াজাতকরণ চিত্র

একই চিত্রের সংস্করণ বৃদ্ধি

এখানে চিত্র বর্ণনা লিখুন

- অন্য কৌশল

এগুলি আলোর মতো অন্যান্য চিত্র বৈশিষ্ট্যগুলির সাথে কাজ করবে এবং ইতিমধ্যে একটি সাধারণ প্রাক-প্রক্রিয়াজাতকরণ ধাপের মতো মূল অ্যালগরিদমের সাথে সম্পর্কিত। সম্পূর্ণ তালিকা এতে পরীক্ষা করুন: ইউএফএলডিএল টিউটোরিয়াল


1
রঙ ডেটা বর্ধনের জন্যও দেখার উপযুক্ত।
ডেভিড সি বিশপ

আপনি কী ঘূর্ণন এবং শিয়ারিং ইত্যাদির জন্য কোডটি ভাগ করতে পারেন ?? @ ওয়াকাক্স
আর্সেনাল ফ্যান্যাটিক

আপনি ছেলেরা ডেটা বৃদ্ধির জন্য কেরার মতো প্যাকেজ ব্যবহার করতে পারেন।
রিকার্ডো ক্রুজ

2
স্কিপি.মিস্ক মডিউলটি আমদানি করতে কারও জন্য সমস্যা। আপনার দরকার import scipy.miscstackoverflow.com/questions/13581593/...
eleijonmarck

চিত্র পুনরায় আকার দেওয়ার ক্ষেত্রে, আর্ট পদ্ধতিগুলির মধ্যে সাধারণত কোন পদ্ধতিটি ব্যবহৃত হয়, যেমন ইমেজনেটে ​​ব্যবহৃত?
হ্যালো গুডবাই

2

ওয়াকাক্সের উত্তরটি সম্পূর্ণ এবং সত্যই ব্যাখ্যামূলক হলেও, কেউ এই উত্তরে যদি হোঁচট খায় তবে আমি কয়েকটি জিনিস যুক্ত করতে চাই।

প্রথম সব, সবচেয়ে scipy.miscইমেজ সংশ্লিষ্ট ফাংশন ( imread, imsave, imresizeইআরসি) হয় পক্ষে অবচিত হয়ে গেছে imageio বা skimage

দ্বিতীয়ত, আমি যেকোন বৃদ্ধির জন্য অজগর লাইব্রেরি ইমগাগের দৃ strongly়ভাবে সুপারিশ করব । এটি ব্যবহার করা সত্যই সহজ এবং আপনি ব্যবহার করতে পারেন এমন কার্যত সমস্ত বৃদ্ধির কৌশল রয়েছে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.