Kuvan esikäsittely on keskeinen askel tietokoneen vision ja koneoppimisen työnkulkua. Se edellyttää muuntaa raakakuvat sopivaksi muotoon analyysi- tai mallikoulutusta. Oikea esikäsittely voi parantaa mallin tarkkuutta ja vähentää laskentakustannuksia.

Yleinen kuvan esikäsittelytekniikka

Useita tekniikoita käytetään laajasti kuvien analysointiin. Näitä ovat muun muassa uudelleen kokoaminen, normalisointi ja tietojen lisääminen. Jokaisella menetelmällä on erityinen tarkoitus parantaa kuvan laatua ja mallin suorituskykyä.

Uudelleenkäynnistys ja normalisointi

Uudelleen säädä kuvat johdonmukaiseen kokoon, joka on välttämätöntä eräkäsittely hermoverkostoissa. Normalisointi asteikot pikseliarvot tietylle alueelle, usein välillä 0 ja 1, helpottaa nopeampaa lähentymistä koulutuksen aikana.

Tiedon muokkaustekniikat

Datan lisäys keinotekoisesti lisää koulutustietojen monimuotoisuutta. Yhteisiä menetelmiä ovat kierto, flipppaus, cropping ja värinsäätö. Nämä tekniikat auttavat estämään yliasennuksen ja parantamaan mallin kestävyyttä.

Soveltaminen

Käytännössä kuvan esikäsittely on räätälöity tiettyihin tehtäviin. Esimerkiksi kasvojentunnistus, normalisointi ja augmentaatio parantavat tarkkuutta. Esineen havaitsemisessa uudelleen koko tiedostojen syöttämisen mittasuhteet ovat yhdenmukaiset.