?> Quel est le but de l'action `augmentImages` ?... - Aide
QUESTION / RÉPONSE

Quel est le but de l'action `augmentImages` ?

0 consultations

Réponse

L'action `augmentImages` a pour but d'augmenter des images en créant des patchs (sous-images) et en leur appliquant diverses mutations. Cela est utile pour générer des données d'entraînement supplémentaires pour les modèles d'apprentissage profond.
Action technique liée

Voir la documentation de augmentImages

Voir l'Action

Voir aussi

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.

addLayer
deepLearn

The addLayer action adds a layer to a deep learning model. It is part of the Deep Learning action set, which provides a comprehensive suite of tools for modeling and scoring with deep neural networks (DNN), convolutional neural networks (CNN), and recurrent neural networks (RNN). This action is fundamental in constructing the architecture of a neural network, allowing for the sequential addition and configuration of various layer types.

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.