17.深度學(xué)習(xí)之計(jì)算機(jī)視覺-1

17.1 圖像增廣

  • 圖像增廣(image augmentation)技術(shù)通過對訓(xùn)練圖像做一系列隨機(jī)改變庇茫,來產(chǎn)生相似但又不同的訓(xùn)練樣本宙橱,從而擴(kuò)大訓(xùn)練數(shù)據(jù)集的規(guī)模到旦。
  • 圖像增廣的另一種解釋是男旗,隨機(jī)改變訓(xùn)練樣本可以降低模型對某些屬性的依賴趁啸,從而提高模型的泛化能力强缘。
    • 例如,可以對圖像進(jìn)行不同方式的裁剪莲绰,使感興趣的物體出現(xiàn)在不同位置,從而減輕模型對物體出現(xiàn)位置的依賴性姑丑。也可以調(diào)整亮度蛤签、色彩等因素來降低模型對色彩的敏感度。

17.1.1 挑戰(zhàn):照射角度

17.1.2 挑戰(zhàn):光照強(qiáng)度

17.1.3 挑戰(zhàn):形狀改變

17.1.4 挑戰(zhàn):部分遮蔽

17.1.5 挑戰(zhàn):背景混入

17.1.6 翻轉(zhuǎn)和裁剪

  • 左右翻轉(zhuǎn)圖像通常不改變物體的類別栅哀。


  • 上下翻轉(zhuǎn)不如左右翻轉(zhuǎn)通用震肮。



17.1.7 變化顏色:亮度

  • 可以從4個(gè)方面改變圖像的顏色:亮度(brightness)、對比度(contrast)留拾、飽和度(saturation)和色調(diào)(hue)戳晌。


17.1.7.1 變化顏色:色調(diào)

17.1.7.2 變化顏色:對比度

  • 也可以同時(shí)設(shè)置如何隨機(jī)變化圖像的亮度(brightness)、對比度(contrast)痴柔、飽和度(saturation)和色調(diào)(hue)沦偎。


17.1.8 疊加多個(gè)圖像增廣方法

  • 實(shí)際應(yīng)用中會(huì)將多個(gè)圖像增廣方法疊加使用。


17.2 微調(diào)

17.2.1 什么是微調(diào)(fine-tune)

  • 微調(diào)(fine-tune),顧名思義指稍微調(diào)整參數(shù)即可得到優(yōu)秀的性能豪嚎,是遷移學(xué)習(xí)的一種實(shí)現(xiàn)方式搔驼。
    • 微調(diào)和從頭訓(xùn)練(train from scratch)的本質(zhì)區(qū)別在于模型參數(shù)的初始化,train from scratch通常指對網(wǎng)絡(luò)各類參數(shù)進(jìn)行隨機(jī)初始化(當(dāng)然隨機(jī)初始化也存在一定技巧)侈询,隨機(jī)初始化模型通常不具有任何預(yù)測能力舌涨,通常需要大量的數(shù)據(jù)或者特定域的數(shù)據(jù)進(jìn)行從零開始的訓(xùn)練,這樣需要訓(xùn)練到優(yōu)秀的模型通常是稍困難的扔字。
  • 而微調(diào)的網(wǎng)絡(luò)囊嘉,網(wǎng)絡(luò)各類參數(shù)已經(jīng)在其他數(shù)據(jù)集(例如ImageNet數(shù)據(jù)集)完成較好調(diào)整的,具備了較優(yōu)秀的表達(dá)能力革为。
    • 因此扭粱,只需要以較小的學(xué)習(xí)速率在自己所需的數(shù)據(jù)集領(lǐng)域進(jìn)行學(xué)習(xí)即可得到較為優(yōu)秀的模型。
  • 微調(diào)通常情況下篷角,無須再重新設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)焊刹,預(yù)訓(xùn)練模型提供了優(yōu)秀的結(jié)構(gòu),只需稍微修改部分層即可恳蹲。
    • 在小數(shù)據(jù)集上虐块,通常微調(diào)的效果比從頭訓(xùn)練要好很多,原因在于數(shù)據(jù)量較小的前提下嘉蕾,訓(xùn)練更多參數(shù)容易導(dǎo)致過度擬合贺奠。
  • 遷移學(xué)習(xí)中的一種常用技術(shù):微調(diào)(fine tuning)


17.2.2 遷移學(xué)習(xí)

大數(shù)據(jù)視頻推薦:
騰訊課堂
CSDN
大數(shù)據(jù)語音推薦:
企業(yè)級大數(shù)據(jù)技術(shù)應(yīng)用
大數(shù)據(jù)機(jī)器學(xué)習(xí)案例之推薦系統(tǒng)
自然語言處理
大數(shù)據(jù)基礎(chǔ)
人工智能:深度學(xué)習(xí)入門到精通

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市错忱,隨后出現(xiàn)的幾起案子儡率,更是在濱河造成了極大的恐慌,老刑警劉巖以清,帶你破解...
    沈念sama閱讀 211,496評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件儿普,死亡現(xiàn)場離奇詭異,居然都是意外死亡掷倔,警方通過查閱死者的電腦和手機(jī)眉孩,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,187評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來勒葱,“玉大人浪汪,你說我怎么就攤上這事×菟洌” “怎么了死遭?”我有些...
    開封第一講書人閱讀 157,091評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長凯旋。 經(jīng)常有香客問我呀潭,道長钉迷,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,458評論 1 283
  • 正文 為了忘掉前任蜗侈,我火速辦了婚禮篷牌,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘踏幻。我一直安慰自己枷颊,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,542評論 6 385
  • 文/花漫 我一把揭開白布该面。 她就那樣靜靜地躺著夭苗,像睡著了一般。 火紅的嫁衣襯著肌膚如雪隔缀。 梳的紋絲不亂的頭發(fā)上题造,一...
    開封第一講書人閱讀 49,802評論 1 290
  • 那天,我揣著相機(jī)與錄音猾瘸,去河邊找鬼界赔。 笑死,一個(gè)胖子當(dāng)著我的面吹牛牵触,可吹牛的內(nèi)容都是我干的淮悼。 我是一名探鬼主播,決...
    沈念sama閱讀 38,945評論 3 407
  • 文/蒼蘭香墨 我猛地睜開眼揽思,長吁一口氣:“原來是場噩夢啊……” “哼袜腥!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起钉汗,我...
    開封第一講書人閱讀 37,709評論 0 266
  • 序言:老撾萬榮一對情侶失蹤羹令,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后损痰,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體福侈,經(jīng)...
    沈念sama閱讀 44,158評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,502評論 2 327
  • 正文 我和宋清朗相戀三年卢未,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了肪凛。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,637評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡尝丐,死狀恐怖显拜,靈堂內(nèi)的尸體忽然破棺而出衡奥,到底是詐尸還是另有隱情爹袁,我是刑警寧澤,帶...
    沈念sama閱讀 34,300評論 4 329
  • 正文 年R本政府宣布矮固,位于F島的核電站失息,受9級特大地震影響譬淳,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜盹兢,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,911評論 3 313
  • 文/蒙蒙 一邻梆、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧绎秒,春花似錦浦妄、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,744評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至玄呛,卻和暖如春阅懦,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背徘铝。 一陣腳步聲響...
    開封第一講書人閱讀 31,982評論 1 266
  • 我被黑心中介騙來泰國打工耳胎, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人惕它。 一個(gè)月前我還...
    沈念sama閱讀 46,344評論 2 360
  • 正文 我出身青樓怕午,卻偏偏與公主長得像,于是被迫代替她去往敵國和親怠缸。 傳聞我的和親對象是個(gè)殘疾皇子诗轻,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,500評論 2 348

推薦閱讀更多精彩內(nèi)容