2、数据扩增
数据扩增再增加了训练集样本的同时,也可以有效地缓解过拟合的情况,使模型具有更强的泛化能力。
数据扩增的方法有很多,从颜色空间、尺度空间到样本空间,根据不同任务,数据扩增都有区别。对于图像分类,数据扩增一般不会改变标签;对于物体检测,数据扩增会改变物体坐标位置;对于图像分割,数据扩增会改变像素标签。
常见的数据扩增方法
方法 | 中文说明 |
---|---|
transforms.CenterCrop | 对图片中心进行裁剪 |
transforms.ColorJitter | 对图像颜色的对比度、饱和度和零度进行变换 |
transforms.FiveCrop | 对图像四个角和中心进行裁剪得到五分图像 |
transforms.Grayscale | 对图像进行灰度变换 |
transforms.Pad | 使用固定值进行像素填充 |
transforms.RandomAffine | 随机仿射变换 |
transforms.RandomCrop | 随机区域裁剪 |
transforms.RandomHorizontalFlip | 随机水平翻转 |
transforms.RandomRotation | 随机旋转 |
transforms.RandomVerticalFlip | 随机垂直翻转 |
常见的数据扩增库
- torchvision:https://github.com/pytorch/vision
- imgaug:https://github.com/aleju/imgaug
- albumentations:https://albumentations.readthedocs.io/
pytorch读取数据
因为本次赛题使用的是pytorch框架,所以第一步是使用pytorch来读取数据。
在pytorch中,数据是通过Dataset封装的,并通过DataLoader进行并行读取。
首先要区分Dataset与DataLoader。
- Dataset:是对数据集的封装,提供索引方式的对数据样本进行读取
- DataLoader:对Dataset进行封装,提供批量读取的迭代读取。
代码如下:
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('D:/tianchi_char/mchar_train/*.png')
train_path.sort()
train_json = json.load(open('D:/tianchi_char/mchar_train.json'))
train_label = [train_json[x]['label'] for x in train_json]
train_loader = torch.utils.data.DataLoader(
SVHNDataset(train_path, train_label,
transforms.Compose([
transforms.Resize((64, 128)),
transforms.ColorJitter(0.3, 0.3, 0.2),
transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=10, # 每批样本个数
shuffle=False, # 是否打乱顺序
num_workers=0, # 读取的线程个数
)
for data in train_loader:
break
这样,数据按批次获取并输入到训练模型中,此时data的格式应该为:
torch.Size([10,3,64,128]),torch.Size([10,6])
第一个为图像文件,分别为batchsizechanelheight*width;
第二个为字符的标签。