Machine learning pratico per la visione artificiale
by Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Capitolo 6. Preelaborazione
Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com
Nel Capitolo 5 abbiamo visto come creare set di dati di addestramento per l'apprendimento automatico. Questa è la prima fase della pipeline standard di elaborazione delle immagini (vedi Figura 6-1). La fase successiva consiste nella pre-elaborazione delle immagini grezze per poterle inserire nel modello per l'addestramento o l'inferenza. In questo capitolo vedremo perché le immagini devono essere pre-elaborate, come impostare la pre-elaborazione per garantire la riproducibilità in produzione e come implementare una serie di operazioni di pre-elaborazione in Keras/TensorFlow.
Figura 6-1. Le immagini grezze devono essere pre-elaborate prima di essere inserite nel modello, sia durante l'addestramento (in alto) che durante la previsione (in basso).
Suggerimento
Il codice di questo capitolo si trova nella cartella 06_preprocessing del repository GitHub del libro. Indicheremo i nomi dei file per gli esempi di codice e per i quaderni di appunti, se necessario.
Motivi della pre-elaborazione
Prima che le immagini grezze possano essere inserite in un modello di immagine, di solito devono essere pre-elaborate. Tale pre-elaborazione ha diversi obiettivi che si sovrappongono: trasformazione della forma, qualità dei dati e ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access