企业官网建设流程全解析

烟台公司中企动力提供网站建设,河南视频网站建设公司,平地起建筑人才网,网站建设虚线代码图像增强可以在源图像上进行一系列的变换#xff0c;包括翻转、色调改变、裁剪等#xff0c;可以给图像加“噪音”#xff0c;增强模型的泛化性#xff0c;图像增强在训练过程中#xff0c;会增加样本的数量#xff0c;但是不会增加训练集的大小len#xff08;dataset包括翻转、色调改变、裁剪等可以给图像加“噪音”增强模型的泛化性图像增强在训练过程中会增加样本的数量但是不会增加训练集的大小lendataset还是原来的N张图只是对于模型来说他每次取一张图但是通过增强可以让模型看到更多版本用有限多的变体取做训练。原来的样本相当于底片训练的时候可以训练或者看见超过N的画面。 经过训练之后可能训练准确度小于测试准确度但是需要注意的是图像增强不是随意加的而是在做增强前观察以下测试样本需要对其做哪些增强如果测试和训练差距不大可以指考虑翻转不考虑其他增强效果。 下面是在pycharm上对一张图进行增强并显示出来 import torchvision import matplotlib.pyplot as plt from PIL import Image imgImage.open(D:/PycharmDocument/limu/data/7.jpg) def img_aug(i,img): augtorchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(), torchvision.transforms.RandomVerticalFlip(), torchvision.transforms.RandomResizedCrop((200,200),scale(0.8,1.0),ratio(0.5,2)), torchvision.transforms.ColorJitter(0.5,0.5,0.5,0.5) ]) imgs[img] for _ in range(i): imgs.append(aug(img)) return imgs # return imgs imgsimg_aug(15,img) figsize(3,10) fig,axesplt.subplots(nrows2,ncols8,figsizefigsize) axesaxes.flatten() for i,im in enumerate(imgs): axes[i].imshow(im) axes[i].axis(off) plt.ioff() plt.show(blockTrue)