Image preprocessing — Предобработка изображений

Приведение картинок к единому формату и аугментации, расширяющие обучающую выборку.

Ключевые тезисы

Resize, нормализация по статистикам датасета, приведение цветовых каналов.
Аугментации (flip, crop, color jitter, MixUp) — самая дешёвая регуляризация в CV.
Аугментации применяются только к train, но должны быть согласованы с доменом.

Подробный разбор

2 подтем — раскройте любую, чтобы увидеть объяснение, формулы, примеры и интерактивные графики.

Приведение к единому виду

Размер, каналы, нормализация — что делают перед каждой сетью.

Resize / crop: сети обычно ждут фиксированный размер (224×224, 384×384). Центрированный кроп на инференсе, случайный — на обучении.
Каналы: OpenCV читает BGR, PyTorch ждёт RGB — классический источник тихих багов.
Нормализация: вычесть среднее и поделить на std, посчитанные по датасету предобучения (для ImageNet это фиксированные константы).

x^{'} = \frac{x /255 - μ}{σ}, μ = (0.485, 0.456, 0.406), σ = (0.229, 0.224, 0.225)

Обозначения

$σ$ стандартное отклонение — разброс величины
$μ$ среднее значение
$x$ объект: вектор признаков

Стандартные константы ImageNet — их же используют при дообучении

Аугментации

Самый дешёвый способ увеличить выборку в десятки раз.

Аугментация	Что даёт	Когда опасна
Горизонтальный флип	инвариантность к зеркалу	текст, цифры, медицина с латеральностью
Случайный кроп / масштаб	инвариантность к положению	если объект мелкий и может вылететь
Цветовой джиттер	устойчивость к освещению	когда цвет — сам признак
MixUp / CutMix	регуляризация, калибровка	детекция без адаптации разметки

На практике

Аугментации применяются только к обучающей выборке. Test-time augmentation — отдельный приём: усреднение предсказаний по нескольким версиям одного изображения обычно даёт небольшой стабильный прирост.

Связанные темы

Свёртки и зрение

CNN85%

Свёрточные сети · Глубокое обучение

Разделяемые фильтры скользят по изображению, выявляя локальные паттерны с трансляционной инвариантностью.

CNN85%

Свёрточные сети в CV · Компьютерное зрение

Базовая архитектура зрения: иерархия фильтров от краёв до семантических частей объектов.

Image Classification85%

Классификация изображений · Компьютерное зрение

Отнесение всего изображения к одному или нескольким классам — базовая задача зрения.

Object Detection85%

Детекция объектов · Компьютерное зрение

Поиск объектов на изображении с указанием класса и ограничивающей рамки.

Segmentation85%

Сегментация · Компьютерное зрение

Классификация на уровне пикселей: семантическая, инстанс- и паноптическая.

Feature extraction85%

Извлечение признаков · Компьютерное зрение

От ручных дескрипторов (SIFT, HOG) до эмбеддингов предобученных сетей.