Lancer une transformation d’image

Cet article explique comment utiliser le composant Lancer une transformation d’image dans le concepteur Azure Machine Learning pour initialiser la transformation d’une image afin de spécifier la façon dont vous souhaitez que l’image soit transformée.

Comment configurer le module Init Image Transformation

1. Ajoutez le composant Lancer une transformation d’image à votre pipeline dans le concepteur.

2. Pour Resize (Redimensionner), spécifiez s’il faut redimensionner l’image PIL en entrée à la taille donnée. Si vous choisissez « True », vous pouvez spécifier la taille de l’image de sortie souhaitée dans Size (Taille). Par défaut, la taille est 256.

3. Pour Center crop (Rognage au centre), spécifiez s’il faut rogner l’image PIL donnée au centre. Si vous choisissez « True », vous pouvez spécifier la taille d’image de sortie souhaitée du rognage dans Crop size (Taille de rognage). Par défaut, la taille est 224.

4. Pour Pad (Remplir), spécifiez s’il faut remplir l’image PIL donnée sur tous les côtés avec la valeur de remplissage 0. Si vous choisissez « True », vous pouvez spécifier le remplissage (nombre de pixels à ajouter) sur chaque côté dans Padding (Remplissage).

5. Pour Color jitter (Gigue des couleurs), indiquez si vous souhaitez modifier de manière aléatoire la luminosité, le contraste et la saturation d’une image.

6. Pour Grayscale (Nuances de gris), indiquez si l’image doit être convertie en nuances de gris.

7. Pour Random resized crop (Rognage redimensionné de façon aléatoire), indiquez si vous souhaitez rogner l’image PIL donnée à une taille et des proportions aléatoires. Un rognage de taille aléatoire (entre 0,08 et 1,0) de la taille d’origine et de proportions aléatoires (entre 3/4 et 4/3) par rapport aux proportions d’origine est effectué. Ce rognage est finalement redimensionné à une taille donnée. Il est couramment utilisé pour l’apprentissage des réseaux de départ. Si vous choisissez « True », vous pouvez spécifier la taille de sortie attendue de chaque côté dans Random size (Taille aléatoire). Par défaut, la taille est 256.

8. Pour Random crop (Rognage aléatoire), spécifiez s’il faut rogner l’image PIL donnée à un emplacement aléatoire. Si vous choisissez « True », vous pouvez spécifier la taille de sortie souhaitée du rognage dans Random crop size (Taille de rognage aléatoire). Par défaut, la taille est 224.

9. Pour Random horizontal flip (retournement horizontal aléatoire), spécifiez s’il faut retourner horizontalement l’image PIL donnée de façon aléatoire avec une probabilité de 0,5.

10. Pour Random vertical flip (retournement vertical aléatoire), spécifiez s’il faut retourner verticalement l’image PIL donnée de façon aléatoire avec une probabilité de 0,5.

11. Pour Random rotation (Rotation aléatoire), spécifiez s’il faut applique à l’image un angle de rotation. Si vous choisissez « True », vous pouvez spécifier la plage de degrés en définissant Random rotation degrees (Degrés de rotation aléatoire), ce qui signifie (-degrés, + degrés). Par défaut, la valeur est 0 degré.

12. Pour Random affine (Transformation affine aléatoire), spécifiez s’il faut effectuer une transformation affine aléatoire de l’image en conservant le centre invariant. Si vous choisissez « True », vous pouvez spécifier la plage de degrés à sélectionner dans Random affine degrees (Degrés de transformation affine aléatoire), ce qui signifie (-degrés, + degrés). Par défaut, la valeur est 0 degré.

13. Pour Random grayscale (Nuances de gris aléatoires), spécifiez si l’image doit être convertie de façon aléatoire en nuances de gris avec une probabilité de 0,1.

14. Pour Random perspective (Perspective aléatoire), spécifiez s’il faut effectuer une transformation de perspective de l’image PIL donnée de façon aléatoire avec une probabilité 0,5.

15. Connectez-vous au composant Appliquer une transformation d’image, pour appliquer la transformation spécifiée ci-dessus au jeu de données d’image d’entrée.

16. Envoyez le pipeline.

Résultats

Une fois la transformation terminée, vous pouvez rechercher les images transformées dans la sortie du composant Appliquer une transformation d’image.

Notes techniques

Pour plus d’informations sur la transformation d’image, consultez https://pytorch.org/vision/stable/transforms.html.

Paramètres de composant

Sortie

Étapes suivantes

Consultez les composants disponibles pour Azure Machine Learning.