計算機視覺應用開發(fā)課件：基于mixup和cutmix算法的圖像增強_第1頁
計算機視覺應用開發(fā)課件：基于mixup和cutmix算法的圖像增強_第2頁
計算機視覺應用開發(fā)課件：基于mixup和cutmix算法的圖像增強_第3頁
計算機視覺應用開發(fā)課件：基于mixup和cutmix算法的圖像增強_第4頁
計算機視覺應用開發(fā)課件：基于mixup和cutmix算法的圖像增強_第5頁
已閱讀5頁，還剩7頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

基于mixup和cutmix算法的圖像增強案例描述01任務案例目標02任務案例分析03任務案例實施04任務1案例描述1案例描述本案例通過對手寫數(shù)字數(shù)據(jù)進行數(shù)據(jù)增強，然后對數(shù)字進行分類去對比兩種數(shù)據(jù)增強算法mixup和cutmix的效果。2案例目標案例目標熟悉mixup算法和cutmix算法基礎知識和操作流程；

分別利用mixup和cutmix增強算法對圖片進行數(shù)據(jù)增強；對增強后的圖片進行圖片分類。23案例分析案例分析在上一節(jié)中，已經(jīng)講解了兩種算法mixup和cutmix的原理以及方法步驟。在接下來的案例中，將使用代碼分別實現(xiàn)兩種算法的手寫數(shù)據(jù)圖像增強，利用分類網(wǎng)絡進行分類對比兩種算法的優(yōu)劣。34案例實施4案例實施1.加載手寫數(shù)字數(shù)據(jù)集(x_train,y_train),(x_test,y_test)=datasets.mnist.load_data()2.建立mixup算法的函數(shù)aug_mixup()

輸入圖片及標簽(img_batch,label_batch)index=tf.random.shuffle(tf.range(batch_size,dtype=32))x1,x2=img_batch,tf.gather(img_batch,index)img_batch=x1*x_weight+x2*(1.-x_weight)y1,y2=label_batch,tf.gather(label_batch,index)label_batch=y1*y_weight+y2*(1.-y_weight)4案例實施3.定義cutmix算法的函數(shù)cutmix()輸入圖片及標簽(img_batch,label_batch)img_weight=tf.math.logical_and(tf.math.logical_and(tf.reshape(xas,(-1,1,1))<=X,X<=tf.reshape(xbs,(-1,1,1))),tf.math.logical_and(tf.reshape(yas,(-1,1,1))<=Y,Y<=tf.reshape(ybs,(-1,1,1))))img_weight=tf.expand_dims(img_weight,axis=-1)#(BatchSize,img_h,img_w,1)img_batch=tf.where(img_weight,x2,x1)label_weight=tf.cast((ybs-yas)*(xbs-xas)/(img_h*img_w),tf.float32)#(BatchSize)label_weight=tf.expand_dims(label_weight,axis=-1)#(BatchSize,1)

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論