发布于 2022-01-02 07:27:54
经过长时间的逆向工程,我发现:
channel_shift_range:对图像中的所有像素应用(R + i,G+ i,B+ i)操作,其中i是0,255范围内的整数值。brightness_range:对图像中的所有像素应用(R * f、G* f、B* f)操作,其中f是1.0周围的浮点值。这两个参数都与亮度有关,但是,我发现了一个非常有趣的区别:channel_shift_range应用的操作大致保持了图像的对比度,而brightness_range roughly 应用的操作则与f应用的图像对比度保持一致,而粗略则保持了E 229的饱和度。值得注意的是,对于i和f的大值,这些结论是无法实现的,因为图像的亮度会很强,并且会丢失大量的信息。
发布于 2021-12-29 09:04:47
通道移位和亮度变化完全不同。
频道移位:频道移位会改变色彩饱和度水平(例如。(通过改变输入图像的R、G、B通道)像素的亮红色/暗红色。利用信道移位在数据集中引入颜色增强,使模型不考虑饱和度值而学习基于颜色的特征。下面是本文中提到的通道移位的例子:

在上面的图像中,如果仔细观察,即使经过信道偏移增强,物体(特别是云区域)仍然可以明显地与其相邻区域区分开来。
亮度变化:图像的亮度水平解释了整个图像的光强,用于在数据集中增加曝光和过度曝光。以下是亮度增强的例子:

在上面的图像中,在低亮度的物体上(例如。由于较低的光强水平,云已经失去了能见度。
https://stackoverflow.com/questions/70515757
复制相似问题