数据增强,Augmentation( 二 )


使用什么方法可以增强数据网络信号的强度?

数据增强,Augmentation


数据网络信号差也是信号差,可以向通信运营商反映或者自己网上买信号放大器 。1、手机信号弱,导致网速慢?(1)由于距离通信运营商的信号塔较远导致;(2)附近有信号塔但是由于建筑物遮挡导致室内信号弱;(3)附近有信号塔但是信号塔出故障导致 。前两种情况需要运营商建设信号塔(时间太长)或者安装信号放大器设备(比建信号塔时间短点,可网上自行购买几百元解决),第三者情况需要运营商修理(最快的解决办法) 。
inception Net如何实现数据增强?
谢邀看到悟空问答官方给我推荐这个问题,我不得不说,这推荐是不是有点太精准了?我才前几天在头条号上发布的Inception Net如何实现数据增强,今天就给我推送这个问题,这一点我不得不服 。所以接下来我就直接引用我之前写过的文章了 。在CNN中,为了增大数据量避免模型的过拟合,通常都会对训练数据做数据增强处理,这篇文章主要介绍在Inception Net中是如何做数据增强的,tensorflow官方通过slim已经实现了VGG、Inception、LeNet网络的数据增强的,官网链接如下:https://github.com/tensorflow/models/tree/master/research/slim/preprocessing,Inception Net数据增强主要包括以下几个部分:1、将图片的像素缩放到[0,1)#将图片的像素值缩放到[0,1)image = tf.image.convert_image_dtype(image, dtype=tf.float32)2、随机裁剪图片image:一个3维的图片tensor,数据的取值范围在[0,1],即表示已经做了归一化后的图片bbox:box的边框,[ymin,xmin,ymax,xmax],默认是[0,0,1,1]表示使用的是整张图片min_object_covered:在随机裁剪图片的时候必须要包括box边框的比例aspect_ratio_range:随机裁剪的图片,宽/高的比例需要满足的范围area_range:随机裁剪的图片需要占图片的比例max_attempts:随机裁剪,尝试的最多次数,超过最大尝试次数返回整张图片返回的是一张裁剪之后的图片和随机裁剪所选的区域,后面会通过tensorflow对这个区域进行标注,裁剪的图片就是从这个区域中选择的 。
3、随机变化图片的参数(翻转、亮度、饱和度、色度、对比度)在随机变化图片参数的时候,tensorflow提供了一种fast_mode模型,从名字上理解就是快速模型,在fast_mode模型中没有做比较耗时处理的色度变换和对比度变换,由于参数变换的顺序也会影响最终生成的图片,在变换参数的时候也还加入了不同变化顺序 。
a、随机水平翻转# 随机水平翻转distorted_image = tf.image.random_flip_left_right(distorted_image)b、亮度、饱和度、色度、对比度的随机变换4、将图片的像素转换到[-1,1]区间内distorted_image = tf.subtract(distorted_image, 0.5)#减去0.5distorted_image = tf.multiply(distorted_image, 2.0)#乘以2第一步将图片转换到[0,1]区间内,通过除以255,通过最后两步可以将图片转换到[-1,1]区间内 。
将图片转换到[0,1]区间,其实就是做了一个0(最小值)/255(最大值)的变化,将图片转换到[-1,1]区间相当于做了128(最小值)/128(最大值),实验证明[-1,1]区间比[0,1]的准确率要高一些 。注意:对图片的像素区间做了转换之后,在预测图片类标的时候,也需要对图片的像素区间进行相同的缩放 。

推荐阅读