HyperImageAugment

[源代码]

HyperImageAugment 类

keras_tuner.applications.HyperImageAugment(
    input_shape=None,
    input_tensor=None,
    rotate=0.5,
    translate_x=0.4,
    translate_y=0.4,
    contrast=0.3,
    augment_layers=3,
    **kwargs
)

一个图像增强超模型。

HyperImageAugment 类搜索 Keras 预处理层中图像增强操作的最佳组合。模型的输入形状应为 (height, width, channels)。模型的输出与输入形状相同。

参数

• input_shape: 可选的形状元组，例如 (256, 256, 3)。
• input_tensor：可选的 Keras 张量（即 layers.Input() 的输出）用作模型的图像输入。
• rotate: [0, 1] 之间的数字、[0, 1] 之间的两个数字组成的列表或 None。配置增强中随机旋转变换因子的搜索空间。为每次试验选择一个因子。它在试验中的所有样本上设置顺时针和逆时针旋转的最大比例（以 pi 的分数计）。默认为 0.5。当 rotate 是单个数字时，搜索范围是 [0, rotate]。设置为 None 时，变换关闭。
• translate_x: [0, 1] 之间的数字、[0, 1] 之间的两个数字组成的列表或 None。配置增强中随机水平平移变换因子的搜索空间。为每次试验选择一个因子。它在试验中的所有样本上设置水平平移的最大比例（相对于宽度）。默认为 0.4。当 translate_x 是单个数字时，搜索范围是 [0, translate_x]。设置为 None 时，变换关闭。
• translate_y: [0, 1] 之间的数字、[0, 1] 之间的两个数字组成的列表或 None。配置增强中随机垂直平移变换因子的搜索空间。为每次试验选择一个因子。它在试验中的所有样本上设置垂直平移的最大比例（相对于高度）。默认为 0.4。当 translate_y 是单个数字时，搜索范围是 [0, translate_y]。设置为 None 时，变换关闭。
• contrast: [0, 1] 之间的数字、[0, 1] 之间的两个数字组成的列表或 None。配置增强中随机对比度变换因子的搜索空间。为每次试验选择一个因子。它在试验中的所有样本上设置对比度变化的最大比例。默认为 0.3。当 contrast 是单个数字时，搜索范围是 [0, contrast]。设置为 None 时，变换关闭。
• augment_layers: None、整数或由两个整数组成的列表，用于控制应用的增强数量。默认为 3。当 augment_layers 为 0 时，所有变换按顺序应用。当 augment_layers 非零或是一个由两个整数组成的列表时，将使用 RandAugment(https://arxiv.org/abs/1909.13719) 的简化版本。为 'augment_layers' 创建一个搜索空间，搜索范围为 [0, augment_layers]，或者如果 augment_layers 是一个列表，则在两个整数之间搜索。对于每次试验，超参数 'augment_layers' 决定应用的增强变换层数，每层都从所有可用变换类型中随机选择，并以相等的概率应用于每个样本。
• **kwargs：适用于所有超模型的其他关键字参数。请参阅keras_tuner.HyperModel。

示例

hm_aug = HyperImageAugment(input_shape=(32, 32, 3),
                           augment_layers=0,
                           rotate=[0.2, 0.3],
                           translate_x=0.1,
                           translate_y=None,
                           contrast=None)

然后，超模型 hm_aug 将在 [0.2, 0.3] 之间搜索 'factor_rotate'，在 [0, 0.1] 之间搜索 'factor_translate_x'。这两个增强操作将应用于所有样本，因子在每次试验中单独选择。

hm_aug = HyperImageAugment(input_shape=(32, 32, 3),
                           translate_x=0.5,
                           translate_y=[0.2, 0.4]
                           contrast=None)

然后，超模型 hm_aug 将在 [0, 0.2] 之间搜索 'factor_rotate'，在 [0, 0.5] 之间搜索 'factor_translate_x'，在 [0.2, 0.4] 之间搜索 'factor_translate_y'。它将使用 RandAugment，并在 [0, 3] 之间搜索 'augment_layers'。每个样本上的每一层都将从 rotate、translate_x 和 translate_y 中选择。