💫
Derin Öğrenme
  • 💫Derin Öğrenme Notları
  • 🚀English Version
  • 🦋Projeye Katkıda Bulunma
  • 💼Kullanışlı Araçlar
  • 💎Yapay Sinir Ağları Kavramları
    • 🌱Giriş
    • 🔎Esas Problem
    • 👷‍♀️ Yapay Sinir Ağlarının Uygulanması Üzerine Notlar
    • 📚Yapay Sinir Ağlarının Kavramları
    • 💥Yapay Sinir Ağlarında Aktivasyon Fonksiyonları
    • 🎈NN Uygulama İp Uçları
    • 👩‍🔧 NN Düzenlileştirme (Regularization)
    • ✨Optimizasyon Algoritmaları
    • 🎨Softmax Regression
    • 🏃‍♀️ Tensorflow'a Hızlı Giriş
    • 👩‍💻 Yapay Sinir Ağlarıyla ilgili Pyhton Kod Parçaları
  • 🙋‍♀️ Yapay Sinir Ağları ile Derin Öğrenme'nin Hello World'u
    • 🌱Giriş
    • 🌐Tarayıcıda CNNler
  • 🚪Bilgisayar Görüşüne Giriş
    • 🌱Giriş
  • 🚩Evrişimli Sinir Ağları Kavramları
    • 🌱Giriş
    • 📌Evrişimli Sinir Ağları ile İlgili Genel Kavramlar
    • 🌟Evrişimli Sinir Ağları Gelişmiş Kavramları
    • 👀Evrişimli Sinir Ağlarının Görselleştirilmesi
    • 👵Klasik Evrişimli Sinir Ağları
    • ✨CNN'leri Kurmak İçin Diğer Yaklaşımlar
    • 🕸️CNN'lerin Popüler Uygulamaları
  • 👩‍💻 CNN'ler Üzerinde Kodlar ve Notlar
    • 🌱Giriş
  • 💄Derin Öğrenmenin Popüler Stratejileri
    • 🌱Giriş
    • 🚙Öğrenme Aktarması (Transfer Learning)
    • 📚Derin Öğrenmede Diğer Stratejiler
  • 🤡Resim Artırma (Image Augmentation)
    • 🌱Giriş
  • 🤸‍♀️ Uygulamalı Makine Öğrenmesi Üzerine Notlar
    • 🌱Giriş
    • 👩‍🔧 Makine Öğrenimi Projelerinin Yapılandırılması Üzerine Notlar
    • 👩‍🏫 Uygulama Talimatları
  • 🕵️‍♀️ Obje Algılama Temelleri
    • 🌱Giriş
    • ⭕Bölge Tabanlı (Region-Based) CNN'ler
    • 🤳SSD ve YOLO
    • 🤖TensorFlow Object Detection API
  • ➰Derin Öğrenmede Dizi Modelleri
    • 🌱Giriş
    • 📚Dizi Modellerinin Genel Kavramları
    • 🔄Tekrarlayan Sinir Ağları (RNN)
    • 🌌RNN'deki Vanishing Gradients
    • 🌚Kelime Gösterimi
    • 💬NLP Hakkında Karışık Bilgiler
  • 📕Proje Sözlüğü
  • 📚Faydalı PDF'ler
  • 👀Hızlı Görsel Bilgiler
Powered by GitBook
On this page
  • 🚩 Resim Artırmanın Temel Kavramları
  • 🤸‍♀️ Image Augmentation Teknikleri
  • ✅ Yansıtma (Mirroring)
  • ✂ Rastgele Kesme (Random Cropping)
  • 🎨 Renk Kaydırma (Color Shifting)
  • 📐 (Açı Dönüştürme) Shearing Transformation
  • 👩‍💻 Kod Örneği
  • 🌞 Yazının Aslı
  • 🧐 Referanslar

Was this helpful?

Export as PDF
  1. Resim Artırma (Image Augmentation)

Giriş

🤡 Resim Artırma Tekniği Kavramları

  • 💥 Aşırı öğrenmeden kaçınmak için kullanılan bir teknik olan Resim Artırma Temelleri

  • ⭐ Küçük bir veri setine sahip isek, veri setini eğitim için tüm senaryoları açacak ve resim artırmanın çeşitli teknikleriyle çalıştırabilecek temel görüntüleri değiştirmeden manipüle edebiliyoruz.

Not: Resim artırma Hem eğitim hem de test seti için gereklidir 😅

🚩 Resim Artırmanın Temel Kavramları

👩‍🏫 Konsept çok basittir:

Verilerimiz sınırlıysa, gelecekteki olası öngörüleri karşılayacak verilere sahip olma ihtimalimiz de sınırlıdır ve mantıksal olarak ne kadar az veriye sahipsek, modelimizin henüz görmediği veriler için doğru tahminler alma şansımız o kadar azdır.

🙄 Eğer kedileri tespit etmek için bir model eğitiyorsak ve modelimiz bir kedinin uzanırken nasıl göründüğünü hiç görmemişse, gelecekte de tanımayabilir.

  • Büyütme, döndürme gibi dönüşümler kullanarak eğitim yaparken, görüntülerimizi anında değiştirir.

  • Bu nedenle, 'ayakta' olan bir kediyi 90 derece döndürerek uzanmış bir kedinin görüntüsünü 'taklit edebilir'.

  • Bu şekilde, elimizdeki ver seti ucuz ✨ bir şekilde büyütmüş oluyoruz.

🔎 Not: Orijinal veriyi olduğu gibi değiştirmemek adına Image Augmentation'ı bellekte yapmak yerine çalışma zamanında runtime'da yapılması tercih edilir 🤔

🤸‍♀️ Image Augmentation Teknikleri

✅ Yansıtma (Mirroring)

Görüntüyü eksene göre yansıtmak

🚀 Örnek

✂ Rastgele Kesme (Random Cropping)

Bir görüntüyü alıp rastgele kesimler almak

🚀 Örnek

🎨 Renk Kaydırma (Color Shifting)

Renk kanallarına değerler ekleme ve çıkarma

🚀 Örnek

📐 (Açı Dönüştürme) Shearing Transformation

Açı dönüşümü görüntünün açısını kaydırır

🚀 Example

👩‍💻 Kod Örneği

Aşağıdaki kod parçası Image Augmentation yapmak için kullanılır

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_datagenerator = ImageDataGenerator(
      rescale = 1./255,
      rotation_range = 40,
      width_shift_range = 0.2,
      height_shift_range = 0.2,
      shear_range = 0.2,
      zoom_range = 0.2,
      horizontal_flip = True,
      fill_mode = 'nearest')

Parametre

Açıklama

rescale

Görüntüleri yeniden ölçeklendirme, NN'ler normalleştirilmiş verilerle daha iyi çalışır, bu yüzden görüntüleri yeniden ölçeklendirirsek değerler 0,1 arasında olur

rotation_range

Derece cinsinden bir değer (0-180), içinde resimlerin rasgele döndürülmesi için bir aralık

Height and width shifting

Görüntüleri dikey veya yatay olarak rasgele kaydırır

shear_range

Rastgele açı dönüşümü uygular

zoom_range

Fotoğrafları rasgele yakınlaştırır

horizontal_flip

Rgörüntülerin yarısını yatay olarak rasgele çevirir

fill_mode

Yeni oluşturulan pikselleri doldurmak için kullanılan, bir döndürmeden veya genişlik / yükseklik kaymasından sonra görünebilecek bir stratejidir

🌞 Yazının Aslı

🧐 Referanslar

PreviousResim Artırma (Image Augmentation)Next🤸‍♀️ Uygulamalı Makine Öğrenmesi Üzerine Notlar

Last updated 4 years ago

Was this helpful?

Full kod örneği 👈

🤡
🌱
burada 🐾
Burada 🐾
More About Image Augmentation
More About Image Pre-processing
Detailed Image Augmentation Techniques