入门cv2_task之数据处理和数据增强

最新推荐文章于 2024-01-18 17:57:27 发布

hello_fengfeng

最新推荐文章于 2024-01-18 17:57:27 发布

阅读量941

点赞数

文章标签： python 深度学习机器学习

本文链接：https://blog.csdn.net/hello_fengfeng/article/details/106307846

版权

本文介绍了在深度学习和机器学习任务中，如何利用Python的cv2和torchvision库进行数据处理和数据增强。针对SVHN赛题，详细阐述了使用Pillow和cv2对图像进行基本操作，以及torchvision库中的数据增强方法，包括getitem函数的应用和多种图像变换技术。

摘要由CSDN通过智能技术生成

CV2_Task之数据增强和读取

前言
赛题
标题常见的数据处理方法
- PIllow
- CV2
标题对数据进行增广
- torchvision

前言

这次是对主要是对数据的增强操作和读取进行说明和如何用pytorch进行数据处理和进行数据读取。

赛题

	赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset）

SVHN

标题常见的数据处理方法

PIllow

以Lena的图片为例

然后进行pillow的一个函数处理

pillow操作可官方文档

CV2

可查看
官网

原图

cv的一步操作

标题对数据进行增广

torchvision

这是一个关于pytorch常见的数据处理的库，里面还有mnist，cifar等包的API
，也有常见的数据处理功能

import numpy as np
import torch
from PIL import Image
from torch.utils.data.dataset import Dataset

class SVHNDataset(Dataset):
    def __init__(self, img_path, img_label, transform=None):
        self.img_path = img_path
        self.img_label =

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

hello_fengfeng

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

数据增强--缩放、调整亮度与对比度、翻转、旋转、添加噪声、模糊

zhienchen的博客

11-24

1万+

数据增强：数据通过某种变换操作，从而生成新数据的过程采用的部分方式：缩放、调整亮度与对比度、翻转、旋转、添加噪声、模糊 1.缩放 #导入库 import cv2 import numpy as np pic = cv2.imread("01.jpg") #读入图片 height,width = pic.shape[:2] #获取图片的高和宽 #将图像缩小为原来的0.5倍 pic_zoom ...

opencv: cv2.flip 图像翻转进行 数据增强

最新发布

kuailezzf的博客

01-18

677

cv2是一个常用的计算机视觉库，全名为OpenCV（Open Source Computer Vision Library）。它提供了丰富的图像处理和计算机视觉相关的函数和工具，可以用于加载、处理、分析和操作图像和视频数据。在使用cv2库之前，我们需要通过pip或者conda安装cv2,然后在代码中导入cv2库。import cv2。

数据增强的python-cv2实现（旋转、平移、翻转等）.

小C的博客

08-13

2790

【时间】2019.08.13 【题目】数据增强的python-cv2实现（旋转、平移、翻转等）. 通过计算坊射矩阵再进行仿射实现。具体参考：1、python对图像数据增强，包括翻转、镜像、加噪。 2、opencv warpAffine()函数详解 -- 图像旋转与平移 3、Python-OpenCv之图像基本处理-平移，缩放，旋转，翻转，裁剪及仿射变换 ...

CV task2:数据读取及数据增强

hu_hao的博客

05-23

1032

数据读取及数据增强1.数据增强1.1 CV中的数据增强1.2 数据增强的常用方法1.3 常见的数据增强库torchvisionimgaugalbumentations2.数据读取2.1 Pillow读取图片2.2 Opencv读取图片3.使用pytorch读取数据参考 1.数据增强 1.1 CV中的数据增强 1.图片数据易于做扩充，只要加以旋转，缩放，剪切，滤波，色彩空间变换，就可以得到同一主体的不同视图。 2.数据扩充提高模型准确度，由于输入数据的特殊性，图片识别主体为三维，在现实世界中不同方向会造成不

数据分析入门task5

qq_29120119的博客

12-23

1544

本记录为本人参加datawhale数据分析（泰坦尼克号任务项目）学习笔记，不足之处多多指教。经过前面的两章的知识点的学习，我可以对数数据的本身进行处理，比如数据本身的增删查补，还可以做必要的清洗工作。那么下面我们就要开始使用我们前面处理好的数据了。这一章我们要做的就是使用数据，我们做数据分析的目的也就是，运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模，搭建一个预测模型或者其他模型；我们从这个模型的到结果之后，我们要分析我的模型是不是足够的可靠，那我就需要评估这个模型。

Datawhale 零基础入门CV赛事-Task2 数据读取与数据扩增

nini_k的博客

05-23

185

torchvision.models模块的子模块中包含以下模型结构。 AlexNet VGG ResNet SqueezeNet DenseNet 可以通过调用构造函数来构造具有随机权重的模型： import torchvision.models as models resnet18 = models.resnet18() alexnet = models.alexnet() squeezenet = models.squeezenet1_0() densenet = models.densenet_16

阿里云天池cv入门赛记录（2）——TASK2 数据读取与数据扩增

yue__yang的博客

05-22

497

经过前几天的pytorch安装、anaconda重装等一系列问题，cv小白终于把baseline跑通了！！但是，对于代码仍然有很多地方不理解，好在从TASK2开始，就是对问题的详细讲解了。任务二的主要内容是数据读取、数据扩增方法和Pytorch读取赛题数据三个部分。一、常用的图像读取方法对于图像数据的处理，首先需要完成对图像数据的读取操作，在Pytorch中有很多库可以完成，比较常见的有Pillow和OpenCV。（之前只用过openCV做图像变换，没有了解过Pillow） 1、Pillow 首先放上

零基础入门语义分割-Task2 数据扩增

小胖鸡的博客

02-23

203

零基础入门语义分割-Task2 数据扩增目的常用方法基于几何变换FlippingCroppingRotationTranslationNoise Injection颜色变换Kernel filtersMixingRandom ErasingOpenCV的数据扩增albumentations数据扩增Pytorch 处理目的顾名思义，数据扩增的原因是原始数据量不足，希望通过扩增达到增加训练样本有效缓解过拟合赋予模型更强的泛化能力其根本目的是使得训练数据尽可能地接近测试数据，从而提高预测精度，增加鲁

用opencv实现yolov4中的mosaic数据增强

01-20

简单看了一个yolov4的介绍，mosaic数据增强简单说就是四张图片合一，长宽随机变化。理想的实现是结合图片集和标签集，对单张图片标注过之后，四张合一的图片就不用再标注。这里只做一个简单的实现，仅仅把四张图片随机合一，生成mosaic图片集，后面需要对这个生成的图片标注。 c++程序： #include #include #include #include #include using namespace std; using namespace cv; int main() { //读入四幅图片 string imageFile = D:/work_place/第二批图片/;//

使用CV2库对图像数据增强

justdoix的博客

05-15

527

使用python的cv2库完成对图片数据进行增强，包含内容有旋转、翻转、缩放、高斯噪声、椒盐噪声、乘法噪声、统一图片尺寸大小

Brain Tumor Detection-CV 学习笔记2——数据增广(Data augmentation)

m0_59056870的博客

08-03

588

数据增广相关

Opencv 数据增强处理

Lily的博客

07-08

874

import numpy as np import cv2 # img = cv2.imread('./Figure_1.png') print(img.shape) cv2.imshow('original',img) # # 水平镜像 #flipCode=1 水平翻转; flipCode= 0 垂直翻转; flipCode=-1 水平垂直 ; h_flip = cv2.flip(img,flipCode=1) # cv2.imshow('Flipped Horizontally',h_flip) .

Opencv-Python数据增强

Aiden_yan的博客

02-18

3835

Opencv-Python数据增强 常见的数据增强操作有：按比例放大或缩小图片、旋转、平移、水平翻转、改变图像通道等。 1.按比例放大和缩小扩展缩放只是改变图像的尺寸大小。OpenCV 提供的函数 cv2.resize()可以实现这个功能。图像的尺寸可以自己手动设置，也可以指定缩放因子。可以选择使用不同的插值方法。在缩放时我们推荐使用 cv2.INTER_AREA，在扩展时我们推荐使用 v2.INTER_CUBIC（慢) 和 v2.INTER_LINEAR。默认情况下所有改变图像尺寸大小的操作使用的

图像数据增强，最好是用cv2去实现目的

jiachen0212的博客

11-27

4500

在做图像数据增强的时候，经常会出现shape错乱的问题而出现很多bug。比较好的做法是，比如resize rotate 这些的函数，统一都使用cv2的，感觉它处理图像还是靠谱的。之前用过transform的rotate resize之类的就比较混乱。。。给个cv2做rotate的栗子： import cv2 # 定义旋转rotate函数 def rotate(image, ang

opencv利用opencv对数据图像实现数据增强

guoqingru0311的博客

07-29

1246

opencv利用opencv对数据图像实现数据增强 # -*- coding: utf-8 -*- """ # 数据增强实现 """ import cv2 import numpy as np # 图像平移 def img_translation(image): # 图像平移下、上、右、左平移 M = np.float32([[1, 0, 0], [0, 1, 100]]) img_down = cv2.warpAffine(image, M, (image.shape[1],

Opencv常用数据增强方法:平移+旋转+缩放+模糊+光强+拉伸

Jeremy_lf的博客

12-27

5796

旋转 def rotate_func(image): cols,rows,_,=image.shape M=cv2.getRotationMatrix2D(((cols-1)/2.0,(rows-1)/2.0),angle,1) #cv2.getRotationMarix2D(point2f center,double angle,double scale) #参数分别为:旋转中心...

【天池赛事】零基础入门语义分割-地表建筑物识别 task

09-02

天池赛事的零基础入门语义分割-地表建筑物识别任务是一个面向初学者的语义分割竞赛。任务的目标是利用机器学习和计算机视觉技术，对卫星图像中的地表建筑物进行标记和识别。在这个任务中，参赛者需要使用给定的训练数据集进行模型的训练和优化。训练数据集包含了一系列卫星图像和相应的像素级标注，标注了地表建筑物的位置。参赛者需要通过分析训练数据集中的图像和标注信息，来构建一个能够准确地识别出地表建筑物的模型。参赛者需要注意的是，语义分割是指将图像中的每个像素进行分类，使得同一类别的像素具有相同的标签。因此，在地表建筑物识别任务中，参赛者需要将地表建筑物区域与其他区域进行区分，并正确地进行标记。这对于初学者来说可能是一个挑战，因此需要掌握基本的图像处理和机器学习知识。参赛者可以根据自己的理解，选择合适的算法和模型来完成这个任务。常见的方法包括卷积神经网络（CNN），通过设计适当的网络结构和训练方式，提高模型的准确性和泛化能力。同时，数据预处理和数据增强技术也是提高模型性能的关键。参赛者可以通过对数据进行增强和扩充，提高模型的鲁棒性和识别能力。最后，参赛者需要使用训练好的模型对测试数据集进行预测，并生成预测结果。这些预测结果将用于评估参赛者模型的性能和准确度。评估指标通常包括像素级准确度（Pixel Accuracy）和平均交并比（Mean Intersection over Union），参赛者需要根据这些指标来评估和改进自己的模型。总之，通过参加这个任务，初学者可以通过实践和挑战来提高自己的图像处理和机器学习技能，并掌握语义分割的基本概念和方法。