HyperImageAugment

[來源]

HyperImageAugment 類別

keras_tuner.applications.HyperImageAugment(
    input_shape=None,
    input_tensor=None,
    rotate=0.5,
    translate_x=0.4,
    translate_y=0.4,
    contrast=0.3,
    augment_layers=3,
    **kwargs
)

一個影像增強超模型。

HyperImageAugment 類別會在 Keras 預處理層中搜尋影像增強操作的最佳組合。模型的輸入形狀應為（高度、寬度、通道數）。模型的輸出形狀與輸入形狀相同。

參數

• input_shape：選用的形狀元組，例如 (256, 256, 3)。
• input_tensor：選用的 Keras 張量（即 layers.Input() 的輸出），用作模型的影像輸入。
• rotate：介於 [0, 1] 之间的数字、介於 [0, 1] 之间的两个数字的列表或 None。設定增強中隨機旋轉變換因子的搜尋空間。每個試驗都會選擇一個因子。它會在試驗中的所有樣本中，以圓周率的分數形式設定順時針和逆時針旋轉的最大值。預設值為 0.5。當 rotate 為單一數字時，搜尋範圍為 [0, rotate]。當設定為 None 時，變換會關閉。
• translate_x：介於 [0, 1] 之间的数字、介於 [0, 1] 之间的两个数字的列表或 None。設定增強中隨機水平平移變換因子的搜尋空間。每個試驗都會選擇一個因子。它會在試驗中的所有樣本中，以寬度比例的形式設定水平平移的最大值。預設值為 0.4。當 translate_x 為單一數字時，搜尋範圍為 [0, translate_x]。當設定為 None 時，變換會關閉。
• translate_y：介於 [0, 1] 之間的數字、兩個介於 [0, 1] 之間的數字清單或 None。用於設定擴增中隨機垂直平移轉換因子的搜尋空間。系統會為每個試驗選擇一個因子。它會根據試驗中所有樣本高度的比率設定垂直平移的最大值。預設值為 0.4。當 translate_y 為單一數字時，搜尋範圍為 [0, translate_y]。如果設為 None，則會關閉轉換。
• contrast：介於 [0, 1] 之間的數字、兩個介於 [0, 1] 之間的數字清單或 None。用於設定擴增中隨機對比轉換因子的搜尋空間。系統會為每個試驗選擇一個因子。它會設定試驗中所有樣本對比變化的最大比率。預設值為 0.3。當 contrast 為單一數字時，搜尋範圍為 [0, contrast]。如果設為 None，則會關閉轉換。
• augment_layers：None、整數或兩個整數的清單，用於控制套用的擴增數量。預設值為 3。當 augment_layers 為 0 時，所有轉換都會依序套用。當 augment_layers 為非零值或兩個整數的清單時，將使用 RandAugment(https://arxiv.org/abs/1909.13719) 的簡化版本。系統會建立「augment_layers」的搜尋空間，以便在 [0, augment_layers] 之間或兩個整數之間搜尋 (如果 augment_layers 為清單)。對於每個試驗，超參數「augment_layers」會決定套用擴增轉換的層數，並從所有可用的轉換類型中隨機挑選每一層，每個樣本的機率均等。
• **kwargs：套用至所有超模型的其他關鍵字引數。請參閱 keras_tuner.HyperModel。

範例

hm_aug = HyperImageAugment(input_shape=(32, 32, 3),
                           augment_layers=0,
                           rotate=[0.2, 0.3],
                           translate_x=0.1,
                           translate_y=None,
                           contrast=None)

然後，超模型 hm_aug 會在 [0.2, 0.3] 之間搜尋「factor_rotate」，並在 [0, 0.1] 之間搜尋「factor_translate_x」。這兩個擴增會套用至所有樣本，並為每個試驗挑選因子。

hm_aug = HyperImageAugment(input_shape=(32, 32, 3),
                           translate_x=0.5,
                           translate_y=[0.2, 0.4]
                           contrast=None)

然後，超模型 hm_aug 會在 [0, 0.2] 之間搜尋「factor_rotate」，在 [0, 0.5] 之間搜尋「factor_translate_x」，並在 [0.2, 0.4] 之間搜尋「factor_translate_y」。它會使用 RandAugment，並在 [0, 3] 之間搜尋「augment_layers」。每個樣本上的每一層都會從旋轉、translate_x 和 translate_y 中選出。