Image processing em pipeline

⏱ 12 min·⭐ 50 XP

Pré-requisitos (0/1)0%

⬜🖼️ Computer vision básico com OpenCV(Computer Vision Clássico)

Recomendamos completar os pré-requisitos antes de seguir, mas nada te impede de continuar.

Pipeline = contrato treino↔inferência

Regra de ouro: a mesma normalização usada no treino precisa ser aplicada em inferência, pixel por pixel. Discrepância aqui é a causa mais comum de modelo “bom em validação, ruim em produção”.

🚨

Se seu treino normaliza com mean=[0.485, 0.456, 0.406] e std=[0.229, 0.224, 0.225] (ImageNet) mas a inferência esquece — acurácia cai 5–15% silenciosamente. Commit no repositório: arquivo preprocess.py único importado pelo treino e pela API.

Augmentation com Albumentations

Etapa	Treino	Validação e produção	Por que a diferença
Redimensionar	Sim	Sim	Precisa ser IDÊNTICO — divergência aqui derruba a acurácia em silêncio
Normalizar	Sim	Sim	Mesmos valores; é o contrato entre treino e inferência
Espelhar, girar, variar cor	Sim	NÃO	Aleatoriedade na avaliação torna a métrica incomparável entre épocas
Recortar aleatoriamente	Sim	NÃO — recorte central determinístico	Mesma razão
Aumentação em tempo de teste	Não se aplica	Opcional e explícita	Média de várias versões melhora a nota e multiplica o custo

EtapaRedimensionar

TreinoSim

Validação e produçãoSim

Por que a diferençaPrecisa ser IDÊNTICO — divergência aqui derruba a acurácia em silêncio

EtapaNormalizar

TreinoSim

Validação e produçãoSim

Por que a diferençaMesmos valores; é o contrato entre treino e inferência

EtapaEspelhar, girar, variar cor

TreinoSim

Validação e produçãoNÃO

Por que a diferençaAleatoriedade na avaliação torna a métrica incomparável entre épocas

EtapaRecortar aleatoriamente

TreinoSim

Validação e produçãoNÃO — recorte central determinístico

Por que a diferençaMesma razão

EtapaAumentação em tempo de teste

TreinoNão se aplica

Validação e produçãoOpcional e explícita

Por que a diferençaMédia de várias versões melhora a nota e multiplica o custo

import albumentations as A
from albumentations.pytorch import ToTensorV2

train_transform = A.Compose([
    A.LongestMaxSize(max_size=640),
    A.PadIfNeeded(min_height=640, min_width=640, border_mode=0),
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.3),
    A.HueSaturationValue(p=0.3),
    A.GaussNoise(p=0.2),
    A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
    ToTensorV2(),
], bbox_params=A.BboxParams(format="yolo", label_fields=["class_labels"]))

val_transform = A.Compose([
    A.LongestMaxSize(max_size=640),
    A.PadIfNeeded(min_height=640, min_width=640, border_mode=0),
    A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
    ToTensorV2(),
], bbox_params=A.BboxParams(format="yolo", label_fields=["class_labels"]))

💡

Validação/inferência nunca têm augmentation aleatório — só resize + normalize determinísticos. Violar isso destrói comparabilidade entre épocas.

Data loading: CPU vs DALI

# Pipeline DALI minimal: decode JPEG + resize + normalize 100% na GPU
from nvidia.dali import pipeline_def, fn, types

@pipeline_def(batch_size=64, num_threads=4, device_id=0)
def cv_pipeline(file_root):
    jpegs, labels = fn.readers.file(file_root=file_root, random_shuffle=True)
    images = fn.decoders.image(jpegs, device="mixed")  # mixed = GPU decode
    images = fn.resize(images, resize_x=224, resize_y=224)
    images = fn.crop_mirror_normalize(
        images,
        mean=[0.485 * 255, 0.456 * 255, 0.406 * 255],
        std=[0.229 * 255, 0.224 * 255, 0.225 * 255],
        output_layout="CHW",
    )
    return images, labels

Quiz rápido

O módulo trata o pré-processamento como contrato entre treino e inferência. Qual defeito isso previne?

Preprocessing determinístico para inferência

# preprocess.py — importado pelo treino e pela API FastAPI
import cv2
import numpy as np

MEAN = np.array([0.485, 0.456, 0.406], dtype=np.float32)
STD  = np.array([0.229, 0.224, 0.225], dtype=np.float32)

def preprocess(img_bgr: np.ndarray, size: int = 640) -> np.ndarray:
    img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
    h, w = img.shape[:2]
    scale = size / max(h, w)
    nh, nw = int(h * scale), int(w * scale)
    img = cv2.resize(img, (nw, nh), interpolation=cv2.INTER_LINEAR)
    canvas = np.zeros((size, size, 3), dtype=np.uint8)
    canvas[:nh, :nw] = img
    x = canvas.astype(np.float32) / 255.0
    x = (x - MEAN) / STD
    return x.transpose(2, 0, 1)  # HWC -> CHW

✅

Um arquivo, uma função, dois consumidores. Se o treino mudar de 640 pra 800, a API não quebra silenciosamente — uma mudança, um deploy sincronizado.

Perguntas frequentes

❓ Para que serve aumento de dado em visão?

Para o modelo aprender invariância que o conjunto não cobre — rotação, recorte, brilho, ruído. É a intervenção com melhor retorno quando o dado é pouco. O cuidado é não aplicar transformação que muda o rótulo: espelhar imagem de texto ou de lateralidade médica inverte o significado.

❓ Aumento de dado no treino ou também na inferência?

No treino sempre; na inferência só como combinação de previsões sobre variações da mesma imagem, quando o ganho de acerto justifica o custo multiplicado. Aplicar o mesmo aumento aleatório na inferência é erro — ele introduz variabilidade sem propósito.

❓ Onde o pré-processamento costuma divergir entre treino e produção?

Em normalização e em redimensionamento: valores de média e desvio diferentes, ou interpolação diferente, degradam o modelo sem erro visível. É a causa mais comum de "funcionava no notebook". Encapsular o pré-processamento junto do modelo é o que evita.

Fixando

Quiz rápido

Por que validação e inferência nunca usam aumentação aleatória?

Quiz rápido

Mover a decodificação e o redimensionamento para a placa gráfica resolve qual gargalo?

Terminou de ler?

Marcar como concluído registra o XP, mantém sua sequência e coloca 3 cartas deste módulo na fila de revisão espaçada.

Próximos passos sugeridos

🧠

CNNs: ResNet, EfficientNet, ConvNeXt

Computer Vision Clássico · 13 min · +55 XP

→

Temas deste módulo

Discussão

Carregando comentários…

Image processing em pipeline

⏱ 12 min·⭐ 50 XP

Pré-requisitos (0/1)0%

⬜🖼️ Computer vision básico com OpenCV(Computer Vision Clássico)

Recomendamos completar os pré-requisitos antes de seguir, mas nada te impede de continuar.

Pipeline = contrato treino↔inferência

🚨

Augmentation com Albumentations

Etapa	Treino	Validação e produção	Por que a diferença
Redimensionar	Sim	Sim	Precisa ser IDÊNTICO — divergência aqui derruba a acurácia em silêncio
Normalizar	Sim	Sim	Mesmos valores; é o contrato entre treino e inferência
Espelhar, girar, variar cor	Sim	NÃO	Aleatoriedade na avaliação torna a métrica incomparável entre épocas
Recortar aleatoriamente	Sim	NÃO — recorte central determinístico	Mesma razão
Aumentação em tempo de teste	Não se aplica	Opcional e explícita	Média de várias versões melhora a nota e multiplica o custo

EtapaRedimensionar

TreinoSim

Validação e produçãoSim

Por que a diferençaPrecisa ser IDÊNTICO — divergência aqui derruba a acurácia em silêncio

EtapaNormalizar

TreinoSim

Validação e produçãoSim

Por que a diferençaMesmos valores; é o contrato entre treino e inferência

EtapaEspelhar, girar, variar cor

TreinoSim

Validação e produçãoNÃO

Por que a diferençaAleatoriedade na avaliação torna a métrica incomparável entre épocas

EtapaRecortar aleatoriamente

TreinoSim

Validação e produçãoNÃO — recorte central determinístico

Por que a diferençaMesma razão

EtapaAumentação em tempo de teste

TreinoNão se aplica

Validação e produçãoOpcional e explícita

Por que a diferençaMédia de várias versões melhora a nota e multiplica o custo

import albumentations as A
from albumentations.pytorch import ToTensorV2

train_transform = A.Compose([
    A.LongestMaxSize(max_size=640),
    A.PadIfNeeded(min_height=640, min_width=640, border_mode=0),
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.3),
    A.HueSaturationValue(p=0.3),
    A.GaussNoise(p=0.2),
    A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
    ToTensorV2(),
], bbox_params=A.BboxParams(format="yolo", label_fields=["class_labels"]))

val_transform = A.Compose([
    A.LongestMaxSize(max_size=640),
    A.PadIfNeeded(min_height=640, min_width=640, border_mode=0),
    A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
    ToTensorV2(),
], bbox_params=A.BboxParams(format="yolo", label_fields=["class_labels"]))

💡

Validação/inferência nunca têm augmentation aleatório — só resize + normalize determinísticos. Violar isso destrói comparabilidade entre épocas.

Data loading: CPU vs DALI

# Pipeline DALI minimal: decode JPEG + resize + normalize 100% na GPU
from nvidia.dali import pipeline_def, fn, types

@pipeline_def(batch_size=64, num_threads=4, device_id=0)
def cv_pipeline(file_root):
    jpegs, labels = fn.readers.file(file_root=file_root, random_shuffle=True)
    images = fn.decoders.image(jpegs, device="mixed")  # mixed = GPU decode
    images = fn.resize(images, resize_x=224, resize_y=224)
    images = fn.crop_mirror_normalize(
        images,
        mean=[0.485 * 255, 0.456 * 255, 0.406 * 255],
        std=[0.229 * 255, 0.224 * 255, 0.225 * 255],
        output_layout="CHW",
    )
    return images, labels

Quiz rápido

O módulo trata o pré-processamento como contrato entre treino e inferência. Qual defeito isso previne?

Preprocessing determinístico para inferência

# preprocess.py — importado pelo treino e pela API FastAPI
import cv2
import numpy as np

MEAN = np.array([0.485, 0.456, 0.406], dtype=np.float32)
STD  = np.array([0.229, 0.224, 0.225], dtype=np.float32)

def preprocess(img_bgr: np.ndarray, size: int = 640) -> np.ndarray:
    img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
    h, w = img.shape[:2]
    scale = size / max(h, w)
    nh, nw = int(h * scale), int(w * scale)
    img = cv2.resize(img, (nw, nh), interpolation=cv2.INTER_LINEAR)
    canvas = np.zeros((size, size, 3), dtype=np.uint8)
    canvas[:nh, :nw] = img
    x = canvas.astype(np.float32) / 255.0
    x = (x - MEAN) / STD
    return x.transpose(2, 0, 1)  # HWC -> CHW

✅

Um arquivo, uma função, dois consumidores. Se o treino mudar de 640 pra 800, a API não quebra silenciosamente — uma mudança, um deploy sincronizado.

Perguntas frequentes

❓ Para que serve aumento de dado em visão?

❓ Aumento de dado no treino ou também na inferência?

❓ Onde o pré-processamento costuma divergir entre treino e produção?

Fixando

Quiz rápido

Por que validação e inferência nunca usam aumentação aleatória?

Quiz rápido

Mover a decodificação e o redimensionamento para a placa gráfica resolve qual gargalo?

Terminou de ler?

Marcar como concluído registra o XP, mantém sua sequência e coloca 3 cartas deste módulo na fila de revisão espaçada.

Próximos passos sugeridos

🧠

CNNs: ResNet, EfficientNet, ConvNeXt

Computer Vision Clássico · 13 min · +55 XP

→

Temas deste módulo

Discussão

Carregando comentários…