街景字符识别-Task2-数据读取与数据扩增（2）

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

1. torchvision:https://github.com/pytorch/vision
2. imgaug:https://github.com/aleju/imgaug
3. 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。