问题标签 [image-augmentation]

当我增加图像时，它给了我这样的错误，如下面的截图所示： 错误描述 下面给出的训练代码

代码显示在下面的屏幕截图中，我认为它给了我错误。 代码

火车

总结时代

测试

展示样品

请帮我解决这个问题

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

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。

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！

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。

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。

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......

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。

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：

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。