🌱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