华为云AI开发平台ModelArts数据选择_云淘科技

数据选择算子概述

ModelArts提供以下数据选择算子:

SimDeduplication:可以依据用户设置的相似程度阈值完成图像去重处理。图像去重是图像数据处理常见的数据处理方法。图像重复指图像内容完全一样,或者有少量的尺度、位移、色彩、亮度变化,或者是添加了少量其他内容等。

图1 SimDeduplication效果图

表1 高级参数说明

参数名

是否必选

默认值

参数说明

simlarity_threshold

0.9

相似程度阈值,两张图片间的相似度大于阈值时,其中一张会作为重复图片被过滤掉。取值范围为0~1。

do_validation

True

是否做数据校验,可填True或者False。表示数据去重前需要做数据校验,否则只做数据去重。

RRD:可以依据用户设置的比例去除差异最大的数据。

图2 RRD效果图

表2 高级参数说明

参数名

是否必选

默认值

参数说明

sample_ratio

0.9

数据留下的百分比。取值范围为0~1。例如0.9表示保留百分之90的原数据。

n_clusters

auto

auto

数据样本的种类数,默认为auto,即按照目录中图片个数取类别总数,可指定具体类别数,如 4

do_validation

True

是否做数据校验,可填True或者False。表示数据去冗余前需要做数据校验,否则只做数据去重。

输入要求

算子输入分为两种,“数据集”或“OBS目录”。

选择“数据集”,请从下拉框中选择ModelArts中管理的数据集及其版本。要求数据集类型与您在本任务中选择的场景类别一致。
选择“OBS目录”,存放结构又分两种情况,“仅包含图片”或“包含图片和标注信息”。

“仅包含图片”:当目录下全是图片时,支持jpg、jpeg、png、bmp格式,嵌套子目录的图片也将全部读入。
“包含图片和标注信息”:根据不同数据类型,结构不同。

图像分类,其目录结构如下所示。如下目录结构,仅支持单标签场景。

input_path/
    --label1/
        ----1.jpg
    --label2/
        ----2.jpg
    --../

物体检测,其目录结构如下所示。支持jpg、jpeg、png、bmp格式的图片,xml为标准的PACAL VOC格式标注文件。

input_path/
    --1.jpg
    --1.xml
    --2.jpg
    --2.xml
    ...

输出说明

图像分类

输出数据的目录结构如下所示。

output_path/
    --Data/
        ----class1/  # 若输入数据有标注信息会一并输出,class1为标注类别
            ------1.jpg
        ----class2/
            ------2.jpg
            ------3.jpg
    --output.manifest

其中manifest文件内容示例如下所示。

{
	"id": "xss", 
	"source": "obs://home/fc8e2688015d4a1784dcbda44d840307_14.jpg",
	"usage": "train", 
	"annotation": [
		{
			"name": "Cat", 
			"type": "modelarts/image_classification"
		}
	]
}

物体检测

输出数据的目录结构如下所示。

output_path/
    --Data/
        ----1.jpg
        ----1.xml  # 若输入数据有标注信息会一并输出,xml为标注文件
        ----2.jpg
        ----3.jpg
    --output.manifest

其中manifest文件内容示例如下所示。

{
	"source":"obs://fake/be462ea9c5abc09f.jpg",
	"annotation":[
		{
			"annotation-loc":"obs://fake/be462ea9c5abc09f.xml",
			"type":"modelarts/object_detection",
			"annotation-format":"PASCAL VOC",
			"annotated-by":"modelarts/hard_example_algo"
			}
	]
}

父主题: 预置算子说明

同意关联代理商云淘科技,购买华为云产品更优惠(QQ 78315851)

内容没看懂? 不太想学习?想快速解决? 有偿解决: 联系专家