因为Fast Augment 了解到randaugment

我们以deit 为例:

code:

paper:https://arxiv.org/pdf/1909.13719.pdf

伪代码:号称用两行代码可以搞定这个问题

从上图我们看到有两个超参。--其实实现要比这个复杂。

一个是N (变化的个数)这个一般N 是14 变化的种类为:

一个是M :所有变换的幅值 (我目前的理解是M *T(image))--如果我的理解有错误,欢迎指正

T 是对原始图像做的转换 转换的结果乘以M 得到最后的结果)

M 的选择,论文里面给了四种方式:

1. constant magnitude  deit 里面指定这个值为10 (默认为这一种)

2. random magnitude

3. a linearly increasing magnitude

4. a random magnitude with increasing bound

权重加起来为1 
rand-m9-mstd0.5-inc1

其中:

即是magnitude 设定为常数 9

inc 表示:

我们看到初始化了三个参数:

1. 是伪代码中的magnitude 指定为 9

2. 指定hparams 的参数为 magnitude_std 的参数为0.5

3. 指定变换的类型

下面执行的是:

就是刚才的参数是为了这个函数准备的:

ra_ops = rand_augment_ops(magnitude=magnitude, hparams=hparams, transforms=transforms)

那么 rand_augment_ops 里面都有什么:

比如我的name 为 AutoContrast

那么

其中kwargs 的作用为:

图像增强(一):randaugment相关推荐

  1. NeurIPS 2020 | FixMatch:通过图像增强就能实现半监督学习

    前言 算法.算力.数据是深度学习的三架马车.深度学习是数据驱动式方法,目前的从业基本者都有一个共识就是:数据是非常重要的且不可或缺的.在实际环境中对数据标注又是一个耗时和昂贵的过程.但是受束于资源的限 ...

  2. LabVIEW图像增强算法(基础篇—5)

    目录 1.空间域图像增强算法 1.1.线性卷积 1.1.1.一维卷积 1.1.2.二维卷积 1.2.领域增强 1.2.1.线性滤波 1.2.2.非线性滤波 2.频率域图像增强算法 2.1.傅里叶变换算 ...

  3. 基于深度学习的低光照图像增强方法总结(2017-2019)| CSDN博文精选

    扫码参与CSDN"原力计划" 作者 | hyk_1996 来源 | CSDN博客精选 之前在做光照对于高层视觉任务的影响的相关工作,看了不少基于深度学习的低光照增强(low-lig ...

  4. 机器视觉关键技术之图像增强技术

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 图像处理是指对图像信息进行加工,从而满足人类的心理.视觉或者应用需 ...

  5. 使用Python+OpenCV+GAN实现车牌图像增强

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自|AI算法与图像处理 在好莱坞的犯罪电影中,我们经常看到侦 ...

  6. 非常好用的Python图像增强工具,适用多个框架

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 作者:mdbloice 编译:ronghuaiyang 图像增强是 ...

  7. 数字图像处理7:图像增强之灰度变换

    图像处理入门:图像增强之灰度变换 2018年10月28日 15:48:13 M_Z_G_Y 阅读数:42 改善降质图像的方法:1.图像增强:2.图像复原 其中图像增强的主要内容如下: 灰度变换也被称为 ...

  8. 图像处理学习三(频域图像增强)

                                                          频域图像增强 基础知识: 图像变换技术:将原定义在图像空间的图像以某种形式转换到另外一些空间 ...

  9. CNN 图像增强--DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks

    DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks ICCV2017 http://people.ee.eth ...

最新文章

  1. 微服务并不能解决你的烂代码问题
  2. python输出特别的矩阵
  3. cogs 539. 牛棚的灯
  4. nginx fastcgi python_webpy + nginx + fastcgi 构建python应用
  5. 你了解分层架构吗?给被PetShop“毒害”的朋友(转)
  6. 从Android上的相机裁剪图像
  7. Java环境安装及环境变量的配置
  8. 为什么自建深度学习机器?因为比AWS便宜10倍啊!
  9. 复旦新生计算机考试及格率,复旦大学本科新生《计算机办公自动化》课程入学考试考核大.doc...
  10. Golang interface 全面介绍
  11. lpx寒假作业案例7
  12. 服务器维护常见的问题
  13. (2) [保护模式]段描述符
  14. 云计算的特点和优势,主要表现在哪几个方面?
  15. c++ strstr函数的实现
  16. 柱状图标签在柱的上方怎么进行展示
  17. ubuntu将cuda卸载干净
  18. 20155209 20155230 《信息安全技术》实验四 木马及远程控制技术
  19. 大数据课程体系-学习笔记概要
  20. CTF---basecrack---Base编码分析工具安装详解

热门文章

  1. 图像算法五:【图像小波变换】多分辨率重构、Gabor滤波器、Haar小波
  2. Mac os x 系统的发展史
  3. 跟我一起学docker(15)--监控日志和日志管理
  4. Linux学习笔记7-磁盘管理
  5. 浅谈CS0433的错误的类型
  6. CreateThread用法详解
  7. 数据库切换为mysql中出现的问题:Error loading MySQLdb module.
  8. python变量类型字符串的内建函数使用
  9. 代理模式vs适配器模式vs外观模式
  10. Subscription