RandomCutout 圖層

[來源]

RandomCutout 類別

keras_cv.layers.RandomCutout(
    height_factor, width_factor, fill_mode="constant", fill_value=0.0, seed=None, **kwargs
)

從圖像中隨機裁剪出矩形並填充。

參數

• height_factor：兩個浮點數的元組、單個浮點數或 keras_cv.FactorSampler。 height_factor 控制裁剪區域的大小。 height_factor=0.0 表示矩形的大小將為圖像高度的 0%， height_factor=0.1 表示矩形的大小將為圖像高度的 10%，依此類推。值應介於 0.0 和 1.0 之間。如果使用元組，則會為每個增強的圖像在兩個值之間採樣一個 height_factor。如果使用單個浮點數，則會在 0.0 和傳遞的浮點數之間採樣一個值。為了確保該值始終相同，請傳遞具有兩個相同浮點數的元組： (0.5, 0.5)。
• width_factor：兩個浮點數的元組、單個浮點數或 keras_cv.FactorSampler。 width_factor 控制裁剪區域的大小。 width_factor=0.0 表示矩形的大小將為圖像寬度的 0%， width_factor=0.1 表示矩形的大小將為圖像寬度的 10%，依此類推。值應介於 0.0 和 1.0 之間。如果使用元組，則會為每個增強的圖像在兩個值之間採樣一個 width_factor。如果使用單個浮點數，則會在 0.0 和傳遞的浮點數之間採樣一個值。為了確保該值始終相同，請傳遞具有兩個相同浮點數的元組： (0.5, 0.5)。
• fill_mode：根據給定的模式（{"constant", "gaussian_noise"} 之一）填充區塊內的像素。
  • constant：使用相同的常數值填充像素。
  • gaussian_noise：使用隨機高斯雜訊填充像素。
• fill_value：一個浮點數，表示當 fill_mode="constant" 時要填充在區塊內的像素值。
• seed：整數。用於建立隨機種子。

範例

(images, labels), _ = keras.datasets.cifar10.load_data()
random_cutout = keras_cv.layers.preprocessing.RandomCutout(0.5, 0.5)
augmented_images = random_cutout(images)