Pytorch 图像数据集增强（训练集扩展）图像提高泛化容错率

在面临图像训练，数据集的稀缺很容易令模型出现过拟合，泛化能力差等问题。

以下是利用Pytorch 对有限的图像数据集进行图像增强处理以扩展图像训练集。

---

环境

Pillow	8.4.0
torch	1.8.2+cu111

---

pytorch 的 torchvison - transforms 里面自带的很多对于图像处理的函数，其中常用到有

Resize

from torchvision import transforms as tfs
import matplotlib.pyplot as plt

im_aug = tfs.Compose([
        tfs.Resize(1024),
        tfs.ToTensor(),
    ])

# --- load original image
im = Image.open('dataset/IMG_4329.jpg')
# --- transform image
x = im_aug(im)

---

RandomCrop随机裁剪

RandomCrop可以对照片随机裁剪，有利于模型学习图像特性，此处注意transform的顺序

im_aug = tfs.Compose([
        tfs.Resize(1024),
        tfs.RandomCrop(512),
        tfs.ToTensor(),
    ])

# --- load original image
im = Image.open(