HyperImageAugment

[原始碼]

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 類別會搜尋 Keras 預處理層中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)。模型的輸出與輸入具有相同的形狀。

參數

• input_shape：可選的形狀元組，例如 (256, 256, 3)。
• input_tensor：可選的 Keras 張量（即 layers.Input() 的輸出），用作模型的影像輸入。
• rotate：介於 [0, 1] 之間的數字、介於 [0, 1] 之間的兩個數字列表或 None。設定增強中隨機旋轉轉換的因數的搜尋空間。每個試驗都會選擇一個因數。它設定試驗中所有樣本順時針和逆時針旋轉的最大值（以 π 的分數表示）。預設值為 0.5。當 rotate 是單一數字時，搜尋範圍是 [0, rotate]。設定為 None 時，轉換會關閉。
• translate_x：介於 [0, 1] 之間的數字、介於 [0, 1] 之間的兩個數字列表或 None。設定增強中隨機水平平移轉換的因數的搜尋空間。每個試驗都會選擇一個因數。它設定試驗中所有樣本水平平移的最大值（以寬度比例表示）。預設值為 0.4。當 translate_x 是單一數字時，搜尋範圍是 [0, translate_x]。設定為 None 時，轉換會關閉。
• translate_y：介於 [0, 1] 之間的數字、介於 [0, 1] 之間的兩個數字列表或 None。設定增強中隨機垂直平移轉換的因數的搜尋空間。每個試驗都會選擇一個因數。它設定試驗中所有樣本垂直平移的最大值（以高度比例表示）。預設值為 0.4。當 translate_y 是單一數字時，搜尋範圍是 [0, translate_y]。設定為 None 時，轉換會關閉。
• contrast：介於 [0, 1] 之間的數字、介於 [0, 1] 之間的兩個數字列表或 None。設定增強中隨機對比度轉換的因數的搜尋空間。每個試驗都會選擇一個因數。它設定試驗中所有樣本對比度變化的最大比例。預設值為 0.3。當 contrast 是單一數字時，搜尋範圍是 [0, contrast]。設定為 None 時，轉換會關閉。
• augment_layers：None、int 或兩個 int 的列表，控制套用的增強數量。預設值為 3。當 augment_layers 為 0 時，所有轉換會依序套用。當 augment_layers 為非零值或兩個 int 的列表時，則會使用 RandAugment 的簡單版本（https://arxiv.org/abs/1909.13719）。會建立 'augment_layers' 的搜尋空間，以搜尋 [0, augment_layers]，或介於兩個 int 之間（如果 augment_layers 為列表）。對於每個試驗，超參數 'augment_layers' 會決定套用的增強轉換層的數量，每層都會從所有可用的轉換類型中隨機選取，且每個樣本的機率均等。
• **kwargs：適用於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 將在 [0.2, 0.3] 之間搜尋 'factor_rotate'，並在 [0, 0.1] 之間搜尋 'factor_translate_x'。這兩個增強會套用至所有樣本，且每個試驗都會選取因數。

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 將在 [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'。它將使用 RandAugment，並在 [0, 3] 之間搜尋 'augment_layers'。每個樣本的每一層都將從旋轉、水平平移和垂直平移中選取。