1、資料增強 (tensorflow實現)
import tensorflow as tf
from matplotlib import pyplot as plt
import cv2 as cv
import numpy as np
import random
defget_img_from_path
(path)
: ran = random.randint(0,
10)print
(ran)
orgimg = tf.io.read_file(path)
orgimg = tf.image.decode_jpeg(orgimg, channels=3)
orgimg = tf.image.resize(orgimg,
[168
,250])
orgimg = tf.cast(orgimg, dtype=
"uint8"
)if ran ==0:
augimg = tf.image.random_flip_left_right(orgimg)
#'''隨機左右翻轉'''
elif ran ==1:
augimg = tf.image.random_flip_up_down(orgimg)
#'''隨機上下翻轉'''
elif ran ==2:
augimg = tf.image.random_hue(orgimg, max_delta=
0.4)
#'''隨機色度'''
elif ran ==3:
augimg = tf.image.random_contrast(orgimg, lower=
0.5, upper=
1.8)
#'''隨機對比度'''
elif ran ==4:
augimg = tf.image.random_brightness(orgimg, max_delta=
0.2)
#'''隨機亮度'''
elif ran ==5:
augimg = tf.image.random_saturation(orgimg, lower=
0.2, upper=
1.8)
#'''隨機飽和度'''
elif ran ==6:
#'''隨機質量'''
# esc退出
break
cv.destroyallwindows(
)
ran == 1:(左邊原圖，右邊資料增強後的圖)
ran == 2:(左邊原圖，右邊資料增強後的圖)
ran == 3:(左邊原圖，右邊資料增強後的圖)
ran == 4:(左邊原圖，右邊資料增強後的圖)
ran == 5:(左邊原圖，右邊資料增強後的圖)
ran == 6:(左邊原圖，右邊資料增強後的圖)
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
深度學習系列 深度學習簡介
機器學習 使用計算機系統利用經驗改善效能，是人工智慧領域的分支，也是實現人工智慧的一種手段。表徵學習關注如何自動找出表示資料的合適方式，以便更好地將輸入變換為正確的輸出。深度學習 具有多級表示的表徵方法，在每一級 原始資料開始 通過簡單的函式將該級的表示變換為更高階的表示。可以將深度學習看作多個簡單...
深度學習深度學習（一）開篇
深度學習 深度學習 記得9年前寫的一篇部落格，十年的程式設計師，一晃眼，差不多10年又快到了。這一輪的人工智慧，深度學習，他是我見到的乙個非常特殊的程式設計方式 用資料程式設計。是的，他絕對不像其他的程式語言，是完全乙個嶄新的天地，掌握她，絕對會帶來驚喜 你會發現以前感覺超級難的東西會忽然 哇，這個...