数据增广---Cutout的Python实现(简易版)

最新推荐文章于 2023-06-14 04:10:09 发布

Channon_

最新推荐文章于 2023-06-14 04:10:09 发布

阅读量1.9k

点赞数

分类专栏：图像处理 Python 文章标签：图像处理

本文链接：https://blog.csdn.net/Cai_deLong/article/details/112858598

版权

本文介绍了Cutout技术，这是一种数据增广方法，主要应用于卷积神经网络的第一层输入，通过添加剪切方块Mask来增强图像数据集。

摘要由CSDN通过智能技术生成

Cutout：仅对 CNN 第一层的输入使用剪切方块Mask。

import torch
import numpy as np


class Cutout(object):
    """Randomly mask out one or more patches from an image.
    Args:
        n_holes (int): Number of patches to cut out of each image.
        length (int): The length (in pixels) of each square patch.
    """
    def __init__(self, n_holes, length):
        self.n_holes = n_holes
        self.length = length

    def __call__(self, img):
        """
        Args:
            img (Tensor): Tensor image of size (C, H, W).
        Returns:
            Tensor: Image with n_holes of dimension length x length cut out of it.
        """
        h = img.size(1)
        w = img.size(2)

        mask = np.ones((h, w), np.float32)

        for n in range(self.n_holes):
            y = np.random.randint(h)  # 返回随机数/数组(整数)
            x = np.random.randint(w)

            y1 = np.