L'action augmentImages dans SAS Viya est fondamentale pour enrichir les jeux de données d'images, une étape critique en entraînement de modèles de vision par ordinateur. En créant des « patchs » (sous-sections) à partir d'images existantes et en leur appliquant diverses mutations, elle permet d'augmenter la diversité des données d'entraînement. Cela aide à prévenir le surapprentissage et à améliorer la robustesse des modèles face aux variations réelles des images. Les mutations peuvent inclure des changements de couleur, des rotations, des retournements, et bien plus encore.
Pourquoi et comment l'action augmentImages est-elle cruciale pour l'entraînement de modèles de vision par ordinateur?
Maximiser la Robustesse avec l'Augmentation d'Images
Exemples pour l'action augmentImages
Augmentation basique (Flip Horizontal)
Cet exemple crée une copie de chaque image en lui appliquant un retournement horizontal.
Augmentation complexe avec Patches et Mutations multiples
On extrait des patches de 224x224 pixels, on applique des rotations, un flip et un changement de luminosité (lighten) avec une valeur fixe.
Conseil de l'Expert
Ne surchargez pas vos mutations de manière aléatoire. Utilisez l'argument useWholeImage=False pour forcer le modèle à se concentrer sur des détails spécifiques via des patchs. Cependant, veillez à ce que vos mutations restent "réalistes" vis-à-vis du cas d'usage métier : inverser verticalement (flip) une image de voiture n'a aucun sens pour un modèle de conduite autonome, car les voitures ne roulent pas sur le toit !
Leviers Techniques de l'Action augmentImages
- Gestion des Bounding Boxes (YOLO/SSD) : Contrairement à une simple rotation d'image, l'action ajuste automatiquement les coordonnées des étiquettes (labels) pour les tâches de détection d'objets, garantissant la cohérence entre l'image mutée et sa vérité terrain.
- Contrôle de la Distribution : L'application de transformations telles que le jittering (luminosité, contraste) simule des conditions d'acquisition dégradées, réduisant drastiquement l'overfitting sur les jeux de données restreints.
Cette réponse vous a-t-elle aidé ?
À lire aussi...
Comment augmentImages gère-t-elle la spécification des 'patchs' ou sous-images à générer?
Quelles sont les considérations essentielles pour les tables d'entrée et de sortie lors de l'utilisation de l'action augmentImages?
Quels types de transformations d'images augmentImages peut-elle appliquer pour diversifier mes données?
Comment puis-je intégrer des colonnes supplémentaires ou des variables calculées avec les images augmentées?
Est-il possible de contrôler la reproductibilité des augmentations aléatoires avec augmentImages?