Stosowanie transformacji obrazów

W tym artykule opisano sposób używania składnika Apply Image Transformation w projektancie usługi Azure Machine Learning w celu zmodyfikowania katalogu obrazów wejściowych na podstawie wcześniej określonej transformacji obrazu.

Należy połączyć składnik Przekształcanie obrazu init w celu określenia przekształcenia, a następnie zastosować taką transformację do katalogu obrazów wejściowych składnika Zastosuj transformację obrazu.

Jak używać zastosuj transformację obrazu

1. Dodaj składnik Zastosuj transformację obrazu do potoku. Ten składnik można znaleźć w kategorii przetwarzanie obrazów/Przekształcanie danych obrazu.

2. Połącz dane wyjściowe funkcji Init Image Transformation z danymi wejściowymi po lewej stronie funkcji Zastosuj transformację obrazu.

   Uwaga

   Do tego składnika akceptowane są tylko przekształcenia obrazu wygenerowane przez składnik Transformacja obrazu init. W przypadku innego rodzaju przekształcenia połącz ją z zastosowaniem przekształcenia, w przeciwnym razie zostanie zgłoszony błąd "InvalidTransformationDirectoryError".

3. Połącz katalog obrazów, który chcesz przekształcić.

4. W obszarze Tryb określ, do jakiego celu używasz transformacji wejściowej: "Na potrzeby trenowania" lub "Wnioskowanie".

   W przypadku wybrania opcji W celu trenowania zostaną zastosowane wszystkie przekształcenia określone w obszarze Przekształcanie obrazu init.

   Jeśli wybierzesz opcję W celu wnioskowania, przekształcenie, takie jak tworzenie nowych próbek, zostanie wykluczone przed zastosowaniem. Dzieje się tak, ponieważ operacje przekształcania w celu utworzenia nowych próbek losowo, takich jak "Losowa przerzucanie w poziomie", są używane do rozszerzania danych w trenowaniu, co powinno zostać usunięte w wnioskowaniu, ponieważ próbki wnioskowania muszą zostać naprawione w celu dokładnego przewidywania i oceny.

   Uwaga

   Przekształcenia, które zostaną wykluczone w trybie Wnioskowanie to: Losowe przycinanie, Losowe przycinanie , Losowe przerzucanie w poziomie, Losowa przerzucanie, Losowa rotacja, Losowa affina, Losowa skala szarości, Perspektywa losowa, Wymazywanie losowe.

5. Aby zastosować transformację obrazu do nowego katalogu obrazów, prześlij potok.

Parametry składników

Nazwisko	Zakres	Typ	Domyślny	opis
Tryb	Dowolne	Tryb	(Wymagaj, aby użytkownik określił)	Do tego celu należy używać transformacji wejściowej. Należy wykluczyć operacje przekształcania losowego w wnioskowaniu, ale zachować je w trenowaniu

Oczekiwane dane wejściowe

Nazwisko	Pisz	Opis
Przekształcanie obrazu wejściowego	TransformationDirectory	Przekształcanie obrazu wejściowego
Katalog obrazów wejściowych	ImageDirectory	Katalog obrazów, który ma zostać przekształcony

Dane wyjściowe

Nazwisko	Pisz	Opis
Katalog obrazów wyjściowych	ImageDirectory	Katalog obrazów wyjściowych

Następne kroki

Zobacz zestaw składników dostępnych dla usługi Azure Machine Learning.