Appliquer une transformation d’image
Cet article explique comment utiliser le composant Appliquer une transformation d’image du concepteur Azure Machine Learning pour modifier un répertoire d’images d’entrée en fonction de la transformation d’image spécifiée.
Vous devez connecter un composant Lancer une transformation d’image pour spécifier la transformation. Vous pouvez ensuite appliquer cette transformation au répertoire d’images d’entrée du composant Appliquer une transformation d’image.
Comment utiliser le module Apply Image Transformation
Ajoutez le composant Appliquer une transformation à votre pipeline. Vous trouverez ce composant dans la catégorie Vision par ordinateur/Transformation de données d’image.
Connectez la sortie du module Init Image Transformation à l’entrée gauche du module Apply Image Transformation.
Notes
Seule la transformation d’image générée par le composant Lancer la transformation d’image est acceptée pour ce composant. Pour tout autre genre de transformation, connectez-le au module Apply Transformation (Appliquer une transformation). Sinon, une exception « InvalidTransformationDirectoryError » est levée.
Connectez le répertoire d’images à transformer.
Pour Mode, spécifiez la finalité de la transformation d’entrée : « Pour l’entraînement » ou « Pour l’inférence ».
Si vous sélectionnez Pour l’entraînement, toutes les transformations que vous spécifiez dans Init Image Transformation vont être appliquées.
Si vous sélectionnez Pour l’inférence, les transformations telles que la création aléatoire d’échantillons vont être exclues avant d’être appliquées. En effet, les opérations de transformation visant à créer des échantillons de manière aléatoire, par exemple « Random horizontal flip » (Retournement horizontal aléatoire), sont utilisées pour l’augmentation des données dans l’entraînement. Ces opérations de transformation doivent être supprimées de l’inférence, car les échantillons de l’inférence doivent être corrigés pour rendre la prédiction et l’évaluation plus précises.
Notes
Les transformations qui vont être exclues en mode Pour l’inférence sont les suivantes : Rognage redimensionné aléatoire, Rognage aléatoire, Retournement horizontal aléatoire, Retournement vertical aléatoire, Rotation aléatoire, Affinement aléatoire, Niveaux de gris aléatoires, Perspective aléatoire, Effacement aléatoire.
Pour appliquer une transformation d’image à un nouveau répertoire d’images, soumettez le pipeline.
Paramètres de composant
| Nom | Plage | Type | Default | Description |
|---|---|---|---|---|
| Mode | Quelconque | Mode | (Nécessite une précision de la part de l’utilisateur) | Finalité de la transformation d’entrée. Vous devez exclure les opérations de transformation « aléatoires » de l’inférence, mais les conserver pour l’entraînement |
Entrées attendues
| Nom | Type | Description |
|---|---|---|
| Transformation d’image d’entrée | TransformationDirectory | Transformation d’image d’entrée |
| Répertoire d’images d’entrée | ImageDirectory | Répertoire d’images à transformer |
Sorties
| Nom | Type | Description |
|---|---|---|
| Répertoire d’images de sortie | ImageDirectory | Répertoire d’images de sortie |
Étapes suivantes
Consultez les composants disponibles pour Azure Machine Learning.