风险树
人工智能用于树木故障识别和风险量化
步骤1：标记输入数据
输入为图像（当前为3024 x 4032像素）。 这些当前保存在本地，无法在远程上访问。 通过电子邮件发送给协作者以进行数据访问。 要执行标记，请运行process-image-files 。 当前框架假定theraw图像位于data/raw/Pictures for AI 。
步骤2：预处理图像
在此步骤中，我们执行图像大小调整和数据增强（随机裁剪，水平翻转-概率为50％）。 用户可以为原始图像集指定扩展因子。 例如，如果原始集中有500张图像，并且为预处理功能指定了5的扩展因子，则最终的扩展集将包含2500张图像。 最终，针对4个分类方案和用户指定的分辨率（例如64 x 64 px，128 x 128 px等）生成图像训练集。还执行单热矢量编码。 每组图像和标签都作为元组数组保存在二进制.npy文件中。
步骤3：CNN超
2021-06-21 11:37:53
11.56MB
1