问题标签 [image-augmentation]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 错误:错误:OpenCV(3.4.1) resize.cpp:4044: 错误:(-215) ssize.width > 0 && ssize.height > 0 in function cv::resize
当我编写此调整图像大小以进行增强的代码时。它给了我错误。在这里它告诉我调整图像大小的错误
IT给出了如下错误,如下所示
请看这个问题并解决这个问题
python - 图像数据 d_loss, g_loss = model_loss(input_images, input_z, data_shape[3]) 的尺寸无效
当我编写下面的代码时,它给了我图像数据尺寸无效的错误。
在下面的代码中,如果我在这个 data_shape[3] 中写了 3,它会为图像数据提供错误的无效尺寸
但如果我在 data_shape[2] 中写 2,则表示图像尺寸不能为 1,它必须是 2 维或 3 维 (64,64,1)
请解决此问题。
pytorch - 理解变换:调整大小并以相同大小居中裁剪
我试图理解这组特定的组合转换:
在变换后进行中心裁剪是否有意义(并且合法) - 使用相同的大小参数?我原以为调整大小本身会给出,centercrop
但我在 repos 中看到 centercrop 是在调整大小后组成的——两者的大小完全相同。我想知道做这样的事情有什么用。为了完整起见,我想补充一点,我的输入图像大小各不相同(即它们都不是相同的暗淡)。
谢谢!
numpy - 如何拟合数据以进行扩充以避免内存不足错误?
为训练分割进行增强,但图像总数约为 26,000+。这就是制作图像数组时面临问题的原因。
试过:
按照上述方法,我正在收集 X_train、Y_train。到这一步为止,一切正常。
但进一步应用以下增强方法时,整个笔记本都崩溃了。
deep-learning - 在Allumentations 增强之前和之后进行归一化?
我在计算机视觉任务中使用了 Albumentations增强。但是,我不完全理解何时对我的图像使用归一化(我使用最小-最大归一化)。我是否需要在增强函数之前使用归一化,但值不会介于 0-1 之间,或者我是否在增强之后使用归一化,因此值在 0-1 之间,或者我在两种情况下都使用归一化 - 在增强之前和之后?
例如,当我使用Sharpen时,值不在 0-1 范围内(它们在 -0.5-1.5 范围内变化)。这会影响模型性能吗?如果是,如何?
提前致谢。
pytorch - 在 padsquare 之后使用单个值调整大小(来自 augly)给出 RuntimeError: stack expects each tensor to be equal size
我面临一个奇怪的问题:我有一堆不同大小的图像,我正在尝试对这些图像进行训练+推断,并且我有以下示例转换代码:
当我使用 batchsize >1 时,我会被抛出:
我觉得这真的很奇怪,因为在 PadSquare 之后,当我使用单个 int 调整大小时,它应该给我一个方形图像 - 但它似乎没有......这是为什么?这是一个错误吗?它几乎看起来像是一些舍入错误(在条目 0 和 [3, 385, 384] 处得到 [3, 384, 384])。
但是,如果我这样做:
它工作正常...
这背后的原因是什么?我很困惑!当我在说 colab 中尝试示例图像时,它们似乎具有相同的大小......
pytorch - CER(字符错误率)增加而验证损失减少
我正在训练一个 OCR 模型,其中 resnet 作为主干,vanilla Transformer 作为 Rimes 数据集的解码器。我尝试了以下实验并得到了这些结果:
没有增强:最佳验证损失==> 111,最佳训练损失==>2.77,测试CER==> 5.75
使用增强:最佳验证损失==> 71,最佳训练损失==>95,测试 CER==> 10.2
损失 = KL 散度损失,在这两种情况下都带有标签平滑。
增强功能:
我很困惑为什么验证损失减少而 CER 增加。仅在 Rimes 数据集上发生这种情况,而在 IAM 和华盛顿等其他数据集上则没有这样的问题。
python - 保存为灰色的增强图像(imgaug、imageio、opencv)
我正在开始我的第一个计算机视觉项目,并想尝试图像增强来改进我的数据集。我用 imgaug 试了一下,一切正常,只要我只显示它们。但是,一旦我将它们保存到文件中,它们就会变成灰色/蓝色。
这是我正在使用的代码:
python - 在 Pytorch OD 中使用 Albumentations 进行增强
我按照此处网站上的 pytorch 教程进行对象检测。如果它可以改善我的训练,我决定使用allementations添加更多的增强。但是,__getitem__()
在数据集类中调用该方法后,我收到此错误。
我也包含了我使用的增强代码。