长春网站营销,wordpress国内访问不了,软件开发自学步骤视频,商城版网站建设1. Mosaic 数据增强
Mosaic 数据增强步骤:
(1). 选择四个图像#xff1a;
从数据集中随机选择四张图像。这四张图像是用来组合成一个新图像的基础。
(2) 确定拼接位置#xff1a;
设计一个新的画布(输入size的2倍)#xff0c;在指定范围内找出一个随机点#xff08;如…1. Mosaic 数据增强
Mosaic 数据增强步骤:
(1). 选择四个图像
从数据集中随机选择四张图像。这四张图像是用来组合成一个新图像的基础。
(2) 确定拼接位置
设计一个新的画布(输入size的2倍)在指定范围内找出一个随机点如图1所示 范围在320 ~ 960之间。每一张小图按照长边resize到输入的输入size的大小然后依次拼接到对应位置。 (3) 调整图像大小和裁剪
对每个选定的图像进行缩放和裁剪使其适合分配给它的区域。 这样可以确保每个图像都能很好地适应其对应的象限并且不会超出边界。
(4) 调整标签
如果你在进行目标检测任务还需要调整每个图像中的目标框bounding boxes的坐标使其适应新的复合图像的位置。具体来说需要根据图像在复合图像中的位置重新计算目标框的位置和尺寸。
(5) 应用其他增强操作可选
在生成的复合图像上可以进一步应用其他常见的数据增强技术如颜色抖动color jittering、水平翻转horizontal flipping、旋转rotation等以进一步丰富数据集。
2. CutMix 数据增强
CutMix是一种数据增强技术旨在通过将两张图像的一部分区域进行混合并相应地调整标签来增加训练样本的多样性。这种方法不仅能够提高模型的泛化能力还能有效防止过拟合。
CutMix 数据增强的具体步骤
(1) 选择两张图像和标签
从数据集中随机选择两张图像 image1 和 image2 及其对应的标签 label1 和 label2。
(2) 确定混合区域 在 image1 中随机选择一个矩形区域 (x, y, w, h)其中 (x, y) 是矩形的左上角坐标(w, h)是矩形的宽度和高度。 通常使用均匀分布来随机选择这些参数例如 lam np.random.beta(beta, beta) # Beta分布参数用于控制混合比例
x np.random.randint(0, image1.shape[1])
y np.random.randint(0, image1.shape[0])
w int(image1.shape[1] * np.sqrt(1 - lam))
h int(image1.shape[0] * np.sqrt(1 - lam))(3) 裁剪并混合区域 将 image2 中对应区域的图像裁剪出来并将其粘贴到 image1 的选定区域中。 这一步可以通过简单的图像操作完成 def cutmix(image1, image2, x, y, w, h):mixed_image image1.copy()mixed_image[y:yh, x:xw] image2[y:yh, x:xw]return mixed_image(4) 调整标签 对于分类任务标签可以根据混合区域的比例进行线性插值。假设 lam 是混合区域占总面积的比例则新图像的标签可以表示为
new_label lam * label1 (1 - lam) * label2对于目标检测任务需要调整每个目标框的位置和标签以反映混合后的图像内容。具体来说
如果目标框完全位于混合区域之外则保留原标签。如果目标框部分位于混合区域之内则需要根据交集区域调整目标框的位置和大小。
