Init Image Transformation

Questo articolo descrive come usare il componente Trasformazione immagine Init nella finestra di progettazione di Azure Machine Learning per inizializzare la trasformazione dell'immagine per specificare la modalità di trasformazione dell'immagine.

Come configurare la trasformazione Immagine Init

1. Aggiungere il componente Trasformazione Immagine init alla pipeline nella finestra di progettazione.

2. Per Resize specificare se ridimensionare l'immagine PIL di input in base alle dimensioni specificate. Se si sceglie "True", è possibile specificare le dimensioni desiderate dell'immagine di output in Dimensioni, per impostazione predefinita 256.

3. Per Ritaglio centrale specificare se ritagliare l'immagine PIL specificata al centro. Se si sceglie "True", è possibile specificare le dimensioni desiderate dell'immagine di output del ritaglio in Dimensioni ritaglio, per impostazione predefinita 224.

4. Per Pad specificare se riempire l'immagine PIL specificata su tutti i lati con il valore 0 del riquadro. Se si sceglie "True", è possibile specificare la spaziatura interna (il numero di pixel da aggiungere) su ogni bordo in Padding.

5. Per Jitter color specificare se modificare in modo casuale la luminosità, il contrasto e la saturazione di un'immagine.

6. Per Gradazioni di grigio specificare se convertire l'immagine in scala di grigi.

7. Per Ritaglio ridimensionato casuale, specificare se ritagliare l'immagine PIL specificata in dimensioni casuali e proporzioni. Viene fatto un ritaglio di dimensioni casuali (compreso tra 0,08 e 1,0) delle dimensioni originali e proporzioni casuali (compreso tra 3/4 e 4/3) delle proporzioni originali. Questo ritaglio viene infine ridimensionato in base alle dimensioni specificate. Questo viene comunemente usato per l'addestramento delle reti Inception. Se si sceglie "True", è possibile specificare le dimensioni di output previste di ogni bordo in Dimensioni casuali, per impostazione predefinita 256.

8. Per Ritaglio casuale specificare se ritagliare l'immagine PIL specificata in una posizione casuale. Se si sceglie "True", è possibile specificare le dimensioni di output desiderate del ritaglio in Dimensioni ritaglio casuale, per impostazione predefinita 224.

9. Per Capovolgimento orizzontale casuale, specificare se capovolgere orizzontalmente l'immagine PIL specificata in modo casuale con probabilità 0,5.

10. Per Capovolgimento verticale casuale, specificare se capovolgere verticalmente l'immagine PIL specificata in modo casuale con probabilità 0,5.

11. Per Rotazione casuale specificare se ruotare l'immagine in base all'angolo. Se si sceglie "True", è possibile specificare nell'intervallo di gradi impostando Gradi di rotazione casuale, ovvero (gradi, +gradi), per impostazione predefinita 0.

12. Per Affine casuale specificare se trasformare l'affine casuale dell'immagine mantenendo al centro l'invariante. Se si sceglie "True", è possibile specificare nell'intervallo di gradi da selezionare in Gradi affine casuali, ovvero (gradi, +gradi), per impostazione predefinita 0.

13. Per Scala di grigi casuale specificare se convertire in modo casuale l'immagine in scala di grigi con probabilità 0,1.

14. Per Prospettiva casuale, specificare se eseguire la trasformazione Prospettiva dell'immagine PIL specificata in modo casuale con probabilità 0,5.

15. Connettersi al componente Applica trasformazione immagine per applicare la trasformazione specificata in precedenza al set di dati dell'immagine di input.

16. Inviare la pipeline.

Risultati

Al termine della trasformazione, è possibile trovare immagini trasformate nell'output del componente Applica trasformazione immagine.

Note tecniche

Per altre informazioni sulla trasformazione dell'immagine, fare riferimento a https://pytorch.org/vision/stable/transforms.html .

Parametri del componente

Output

Passaggi successivi

Vedere il set di componenti disponibili per Azure Machine Learning.