在某个范围内随机生成一些数据_cut out删除造句

在某个范围内随机生成一些数据_cut out删除造句根据yolov4文献中提到的cutout数据增广方式,进行扩展阅读。Cutout&RandomErasing1、Cutout论文地址:https://arxiv.org/pdf/1708.04552.pdf代码地址:https://github.com/Dingzixiang/cutout/blob/master/cutout.py出发点:文章的出发点除了解决遮挡问题外,还有从dropout上得到启发。众所周知…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

目录

1、Cutout

2、Random Erasing


        根据yolov4文献中提到的cutout数据增广方式,进行扩展阅读。Cutout & Random Erasing

1、Cutout

        论文地址:https://arxiv.org/pdf/1708.04552.pdf

        代码地址:https://github.com/Dingzixiang/cutout/blob/master/cutout.py

出发点:

        文章的出发点除了解决遮挡问题外,还有从dropout上得到启发。众所周知,Dropout随机隐藏一些神经元,最后的网络模型相当于多个模型的集成。类似于dropout的思路,这篇文章将drop用在了输入图片上,并且drop掉连续的区域——即矩形区域。以下是一个简易的样例(灰色部分为drop掉的区域):

在某个范围内随机生成一些数据_cut out删除造句

方法:

        作者首先尝试通过一些可视化技术,发现图片高激活区域,对这些区域进行擦除。但是最后发现这种方法和随机选一个区域遮挡效果差别不大,而且带来了额外的计算量,得不偿失,便舍去。上图为早期的cutout擦除样例图,可以发现这种方法有针对性地擦除重要区域。本文最后采用的擦除方式为:利用固定大小的矩形对图像进行遮挡,在矩形范围内,所有的值都被设置为0,或者其他纯色值。而且擦除矩形区域存在一定概率不完全在原图像中的(文中设置为50%)。

在某个范围内随机生成一些数据_cut out删除造句

实现代码:

# cutout.py
import numpy as np
import tensorflow as tf

def cutout(img, num_holes=1, length=4):
  """
  Args:
  img (Tensor): Tensor image of size (H, W, C). input is an image
  Returns:
  Tensor: Image with n_holes of dimension length x length cut out of it.
  """

  h = img.shape[0]
  w = img.shape[1]
  c = img.shape[2]
  mask = np.ones([h, w], np.float32)
  for _ in range(num_holes):
    y = np.random.randint(h)
    x = np.random.randint(w)
    y1 = np.clip(max(0, y - length // 2), 0, h)
    y2 = np.clip(max(0, y + length // 2), 0, h)
    x1 = np.clip(max(0, x - length // 2), 0, w)
    x2 = np.clip(max(0, x + length // 2), 0, w)
    mask[y1: y2, x1: x2] = 0
  mask = tf.expand_dims(mask, 2)
  mask_list = []
  for _ in range(c):
    mask_list.append(mask)
  mask = tf.concat(mask_list, axis=2)
  img = img * mask
  return img


input  = tf.get_variable('v1', [1,10,10,3], dtype=tf.float32)
print(input)
with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  for i in range(input.get_shape()[0]):
    output = cutout(input[i], num_holes=1, length=4)
    print(output.eval())

效果:

        在C10,C10+,C100,C100+,SVHN数据集上的test error rates表现如下(其中C表示CIFAR)。与Random Erasing非常类似,两篇论文发表时间为16NOV2017和29NOV2017,也是因为这个时间点才能同时发表,不然大概率会认为是抄袭。最主要的区别在于在cutout中,擦除矩形区域存在一定概率不完全在原图像中的。而在Random Erasing中,擦除矩形区域一定在原图像内。Cutout变相的实现了任意大小的擦除,以及保留更多重要区域。不过Cutout在更多情况下效果更好。这两种方法在用到自己的任务中,还得进行实验比较,才能得到更好的结果。

在某个范围内随机生成一些数据_cut out删除造句

2、Random Erasing

        论文地址:https://arxiv.org/pdf/1708.04896.pdf

        代码地址:https://github.com/zhunzhong07/Random-Erasing

出发点:

        为了增强模型泛化能力,常常对原始数据做数据增强处理,常用的方式一般为random cropping,flipping等。但是在现实场景中,遮挡问题一直都是一个难以处理和解决的问题。为了更好的实现对遮挡数据的模拟,利用Random Erasing的方式,将原数据集中一部分保持原样,另外一部分随机擦除一个矩形区域。效果图如下:

在某个范围内随机生成一些数据_cut out删除造句

方法:

        上图是对Random Erasing的一个简单样例,灰色区域表示擦除的部分。具体实现算法为:我们可以简单的解释为:

        1) 设立五个超参数,分别表示原数据集中实施Random Erasing的概率P,擦除面积比率的下界sl和上界sh,擦除矩形长宽比的下界r1和上界r2。

        2) 首先通过均匀分布得到一个概率P1,如果满足条件,实施擦除。

        3) 擦除的过程如下:通过均匀分布取样得到擦除矩形面积,以及长宽值。选择一个满足所有矩形部分都在图像内的左上角坐标,将这个矩形区域都设置为统一的和图像其他区域无关的纯色值。

在某个范围内随机生成一些数据_cut out删除造句

结果:

        虽然十分简单,但是效果非常惊艳。对处理遮挡问题非常有帮助,是涨分的利器。分类、检测、识别任务上表现出色,下面贴出目标检测上VOC2007数据集测试效果。

在某个范围内随机生成一些数据_cut out删除造句

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/193254.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • uu怎么卸载_卸载deepin引导

    uu怎么卸载_卸载deepin引导ubutun干净卸载删除wineQQ博主原本想要在ubuntu18.04安装wineQQ,在安装完成后却显示QQ版本过低无法运行,只能卸载重装,不然那个QQ标志在软件列表非常碍眼。这个是之前安装wineQQ的教程【QQ版本已过期】问题:卸载不掉该软件且网上大多数指令都过期了解决方案:在deepinwine的应用容器中,用sudoaptremove软件包主名命令来删除。比如d…

  • finalize方法_final与finalize区别

    finalize方法_final与finalize区别当对象没有引用指向时,虚拟机会按照一定的垃圾回收机制算法来调用finalize方法将该对象回收,并不是只要没有引用对象就会被回收。因此,可以调用System.gc()方法来主动调用垃圾回收机制,但也并不能保证一定能成功。在调用时,程序并不会阻塞在此处,而是会继续向下执行。默认的object类中的finalize方法是不作其余处理的。可以重写finalize方法来实现自己想要的资源释放操作,比如数据库连接等。…

  • thinkphp3.2.3中设置路由,优化url

    thinkphp3.2.3中设置路由,优化url

    2021年10月23日
  • Javascript Array forEach()中无法return和break,代替方法some()与every()「建议收藏」

    Javascript Array forEach()中无法return和break,代替方法some()与every()「建议收藏」我们都知道for循环里要跳出整个循环是使用break,但在数组中用forEach循环如要退出整个循环使用break会报错,使用return也不能跳出循环。使用break将会报错:vararr=[1,2,3,4,5];varnum=3;arr.forEach(function(v){if(v==num){break;}console.log

  • java全排列递归算法_java排列组合代码实现

    java全排列递归算法_java排列组合代码实现一、排列1、计算公式如下:2、使用方法,例如在1,2,3,4,5中取3个数排列:3、全排列当m=n时,结果为全排列。例如1,2,3,4的全排列如下:4、代码实现求无重复数组的全排列 /** *循环递归获取给定数组元素(无重复)的全排列 * *@paramoriList原始数组 *@paramoriLen原始数组size *@paramarrayCombResult数组排列结果集,可传null或空Set *@parampreList记录排列参数

  • java构造函数调用构造函数[通俗易懂]

    java构造函数调用构造函数[通俗易懂]一个类可包含多个构造函数,在java中一个构造函数可以

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号