我有一個(gè)簡(jiǎn)單的問題要問你們中的一些人。我從事過一些圖像分類教程。只有像 MNIST 數(shù)據(jù)集這樣更簡(jiǎn)單的。然后我注意到他們這樣做train_images = train_images / 255.0現(xiàn)在我知道矩陣（即圖像）中的每個(gè)值都除以 255.0。如果我沒記錯(cuò)的話，這就是所謂的規(guī)范化吧？（如果我錯(cuò)了，請(qǐng)糾正我，否則告訴我我是對(duì)的）。我只是好奇是否有“更好的方法”、“另一種方法”或“最好的方法”來預(yù)處理或清理圖像，然后將這些清理過的圖像提供給網(wǎng)絡(luò)進(jìn)行訓(xùn)練。如果您想提供示例源代碼，請(qǐng)?zhí)峁Ｕ?qǐng)！別客氣。我很想看看代碼示例。謝謝你！
1 回答
慕哥9229398
TA貢獻(xiàn)1877條經(jīng)驗(yàn) 獲得超6個(gè)贊
在圖像分類之前預(yù)處理圖像可以包括以下內(nèi)容：
規(guī)范化：你已經(jīng)提到過
重塑為統(tǒng)一分辨率（img 高度 x img 寬度）：更高的分辨率會(huì)帶來更好的學(xué)習(xí)效果，而較小的分辨率可能會(huì)丟失重要特征。某些模型具有默認(rèn)輸入大小，您可以參考。也可以使用所有圖像的平均大小。
顏色通道：1指的是灰度，3指的是rgb-scale。根據(jù)您的應(yīng)用程序，您可以設(shè)置它。
數(shù)據(jù)擴(kuò)充：如果你的模型過度擬合或你的數(shù)據(jù)集很小，你可以通過改變?cè)紙D像（翻轉(zhuǎn)、旋轉(zhuǎn)、裁剪、縮放......）來增加你的數(shù)據(jù)集來重現(xiàn)你的數(shù)據(jù)集
圖像分割：可以執(zhí)行分割以突出顯示可能有益于您的應(yīng)用程序的區(qū)域或邊界。例如，在醫(yī)學(xué)圖像分類中，身體的某些部分可能被遮蓋以提高分類性能。
例如，我最近從事肺部 CT 掃描圖像的圖像分類。為了進(jìn)行預(yù)處理，我重新調(diào)整了圖像的形狀并將它們?cè)O(shè)為灰度。然后我執(zhí)行圖像分割以突出顯示圖像中的肺部。然后我將圖像像素歸一化以放入我的分類模型中。根據(jù)您的應(yīng)用程序，您可能還需要考慮其他更多的預(yù)處理技術(shù)。
添加回答
舉報(bào)
0/150
提交
取消