?> ¿Qué tipo de mutaciones se pueden aplicar a las ... - Aide
QUESTION / RÉPONSE

¿Qué tipo de mutaciones se pueden aplicar a las imágenes con esta acción?

0 consultations

Réponse

Se pueden aplicar varias mutaciones, como volteo horizontal (`horizontalFlip`), volteo vertical (`verticalFlip`), rotación (`rotateLeft`, `rotateRight`), cambios de color (`colorJittering`, `colorShifting`), ajustes de brillo (`darken`, `lighten`), y transformaciones de nitidez (`sharpen`).
Action technique liée

Voir la documentation de augmentImages

Voir l'Action
Thématiques

Voir aussi

annotateImages
image

Die Aktion `annotateImages` im Aktionssatz `image` wird verwendet, um Bilder in einer CAS-Tabelle mit Metadaten zu versehen, die in derselben oder einer anderen Tabelle enthalten sind. Dies ermöglicht das Zeichnen von Formen, Text oder das Überlagern von Segmentierungsmasken direkt auf die Bilder. Diese Funktion ist besonders nützlich für die Visualisierung von Ergebnissen der Bildanalyse, wie z. B. Objekterkennung, oder zur Vorbereitung von Trainingsdaten für Deep-Learning-Modelle.

annotateImages
image

La acción `annotateImages` en el conjunto de acciones de `image` es una herramienta fundamental en el procesamiento de imágenes dentro de SAS Viya. Su propósito principal es superponer anotaciones visuales sobre las imágenes de una tabla de entrada. Estas anotaciones se basan en metadatos que ya existen en la misma tabla, como coordenadas de cajas delimitadoras, puntos, líneas o máscaras de segmentación. El resultado es una nueva tabla CAS que contiene las imágenes con las anotaciones dibujadas, lo que es crucial para la validación visual de modelos de detección de objetos, la preparación de datos para entrenamiento o la creación de informes visuales.

augmentImages
image

L'action `augmentImages` est une fonctionnalité puissante du traitement d'images dans SAS Viya. Elle permet de créer des versions augmentées d'un jeu d'images en générant des 'patches' (imagettes) et en leur appliquant diverses mutations. Cette technique est fondamentale en apprentissage profond (deep learning) pour enrichir artificiellement les jeux de données, ce qui aide à améliorer la robustesse et la performance des modèles de vision par ordinateur en les exposant à une plus grande variété de scénarios (changements de luminosité, d'angle, de couleur, etc.).