标签：矢量图 AI 数据 Day2 飞桨 2.2 2.1 data 图片

数据获取与处理（以CV任务为主）
1.数据的获取途径
1.1 Kaggle有趣比较火热的数据集
预测销售价格:House Prices-Advanced Regression Techniques.
猫狗分类:Cat and Dog
预测泰坦尼克号的生存情况并熟悉机器学习基础知识:Machine Learning from Disaster

1.2 天池
遥感影像分割:Barley Remote Sensing Dataset大麦遥感检测数据集
目标检测任务(人脸检测):耶鲁人脸数据库

1.3 DataFountain
图像分类:花卉分类数据集

1.4 其他常用的数据集官网
科大讯飞官网:https://www.xfyun.cn/service/object-recg
COCO数据集:https://cocodataset.org/#download

1.5 图像处理流程
图片数据获取
图片数据清洗
图片数据标注
图片数据预处理data preprocessing
图片数据准备data preparation(训练+测试阶段)
图片数据增强data augjmentation（训练阶段 ）
CV常见的数据增强

随机旋转
随机水平或者重直翻转
缩放
剪裁
平移
调整亮度、对比度、饱和度、色差等等- 注入噪声
基于生成对抗网络GAN做数搪增强AutoAugment等
2.数据处理
不同数据集之间可以转换

2.1自定义数据集
2.1.1常见标注工具
Github 地址
labelimg：labelimg
labelme：labelme
可通过 pip install

2.2数据处理方法
2.2.1图像本质
我们常见的图片其实分为两种，一种叫位图，另一种叫做矢量图

位图的特点:

由像素点定义一放大会糊
文件体积较大
色彩表现丰富逼真

矢量图的特点:

超矢量定义
放太不模糊
文件体积较小
表现力差

标签：矢量图,AI,数据,Day2,飞桨,2.2,2.1,data,图片
来源： https://blog.csdn.net/qq_51339920/article/details/119356826

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。