展开菜单
首页 精品内容 本月促销 装机必备 Windows PDF教程 macOS软件 IOS软件 Android AI 专题
全部分类

当前位置:

首页 > 编程开发 > MediaPipe Model Maker 自定义图像增强方法

MediaPipe Model Maker 自定义图像增强方法

截至MediaPipeModelMakerv0.10.9,官方不支持直接配置特定增强操作(如仅保留水平翻转、曝光调整和模糊),其do_data_augmentation仅为开关式布尔参数,内置增强逻辑固定且不可定制。

本文目录

    如何在 MediaPipe Model Maker 中自定义图像增强类型

    截至 MediaPipe Model Maker v0.10.9,官方不支持直接配置特定增强操作(如仅保留水平翻转、曝光调整和模糊),其 `do_data_augmentation` 仅为开关式布尔参数,内置增强逻辑固定且不可定制。

    MediaPipe Model Maker 的 image_classifier 模块为快速部署提供了便捷封装,但在数据增强(Data Augmentation)层面高度抽象化。当前版本中,HParams(do_data_augmentation=True/False) 仅控制是否启用预设的默认增强流水线,该流水线由底层 ImagePreprocessor 实现,包含且仅包含两项操作:

    • ✅ 随机水平翻转(tf.image.random_flip_left_right)
    • ✅ 随机扭曲裁剪(tf.image.sample_distorted_bounding_box,会破坏原始宽高比,后续缩放可能导致形变)

    ⚠️ 重要限制说明:

    • ❌ 不支持单独启用/禁用某类增强(例如“只开翻转、关裁剪”);
    • ❌ 官方未实现曝光(exposure)、高斯模糊(blur)、色彩抖动、对比度调整等常见增强;
    • ❌ 无公开 API 或配置项允许传入自定义 tf.keras.layers 或 tf.image 函数链。

    替代方案(推荐实践)

    若需精确控制增强策略(如仅应用 random_flip_left_right + adjust_exposure + gaussian_blur),有以下两种可行路径:

    ✅ 方案一:预处理数据集(推荐,简洁安全)

    在调用 ImageClassifier.create() 前,对原始训练数据进行离线增强,并将结果保存为新数据集:

    import tensorflow as tf
    import numpy as np
    
    def custom_augment(image, label):
        # 1. 随机水平翻转
        image = tf.image.random_flip_left_right(image)
        # 2. 调整曝光(模拟 gamma 校正)
        image = tf.image.adjust_gamma(image, gamma=0.8 + tf.random.uniform([]) * 0.4)
        # 3. 添加轻微高斯模糊(需自定义核)
        blur_kernel = tf.constant([
            [1, 2, 1],
            [2, 4, 2],
            [1, 2, 1]
        ], dtype=tf.float32) / 16.0
        blur_kernel = blur_kernel[:, :, tf.newaxis, tf.newaxis]
        image = tf.nn.conv2d(
            tf.expand_dims(image, 0), 
            blur_kernel, 
            strides=1, 
            padding='SAME'
        )[0]
        return tf.clip_by_value(image, 0.0, 255.0), label
    
    # 应用于 tf.data.Dataset
    train_data = train_data.map(custom_augment, num_parallel_calls=tf.data.AUTOTUNE)
    train_data = train_data.cache().shuffle(1000).batch(32).prefetch(tf.data.AUTOTUNE)
    
    # 创建模型时关闭内置增强
    hparams = image_classifier.HParams(
        epochs=100,
        export_dir="exported_model_2",
        do_data_augmentation=False  # ← 关键:避免重复增强
    )

    ⚙️ 方案二:继承并重写核心类(高级,需维护)

    通过继承 ImageClassifier 并覆盖 _create_preprocessing_layer() 或修改 ImagePreprocessor 行为实现深度定制。但需注意:

    • 需 fork MediaPipe 仓库并修改源码(如 mediapipe/model_maker/python/vision/core/image_preprocessing.py);
    • 后续升级 Model Maker 时需手动同步变更,维护成本高;
    • 不适用于生产环境快速迭代场景。

    总结建议

    对于绝大多数项目,预处理数据集(方案一)是更鲁棒、可复现且符合工程最佳实践的选择。它完全绕过框架限制,赋予你对每一步增强的绝对控制权,同时保持与 MediaPipe Model Maker 训练流程的兼容性。务必在增强后关闭 do_data_augmentation,防止双重增强导致分布偏移。未来若 MediaPipe 开放 augmentation_fn 参数或 CustomAugmentationOptions,可再平滑迁移。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    精品专题 更多
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    macOS软件

    正软商城macOS软件专区,精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具,提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。

    IOS软件

    正软商城iOS软件专区,精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用,提供功能介绍、适用设备、系统要求和正版获取方式等信息。

    AI

    正软商城AI软件专区,汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具,提供功能介绍、适用平台、收费方式及正版购买信息。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw macOS版
    AionClaw macOS版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy macOS版
    Loomy macOS版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    AirBuddy 3 macOS版
    AirBuddy 3 macOS版

    AirBuddy 3 是面向 macOS 的蓝牙外设增强工具,可集中查看 AirPods、Beats 与苹果设备电量,提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。

    AirServer macOS版
    AirServer macOS版

    AirServer macOS版可把 Mac 转换为无线投屏接收端,通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面,并支持多设备同时连接、高清镜像及会话录制,适合家庭娱乐、课堂教学、会议演示和应用展示。

    AnyDesk macOS版
    AnyDesk macOS版

    AnyDesk macOS版是一款适用于远程办公、设备维护和客户支持的远程桌面工具,可连接并操作异地计算机,支持文件传输、无人值守访问、会话权限控制及跨平台协作。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。

    讯飞绘文 网页版
    讯飞绘文 网页版

    讯飞绘文网页版是科大讯飞推出的AI图文创作与内容运营工具,覆盖热点选题、文章生成、稿件校对、智能配图、排版发布和数据复盘等环节,适合自媒体创作者及内容团队在线使用。

    Maya(Autodesk Maya) Windows版
    Maya(Autodesk Maya) Windows版

    Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件,集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体,

    Aperty Windows版
    Aperty Windows版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw Windows版
    AionClaw Windows版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy Windows版
    Loomy Windows版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。