python数据预处理库：torchvision.transforms

torchvision.transforms

作用：数据预处理方法，数据增强，提升泛化能力

• 数据增强又称为数据增广，数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。

  • 策略：原则：让训练集与测试集更接近
    • 空间位置：平移
    • 色彩：灰度图，色彩抖动
    • 形状：仿射变换
    • 上下文场景：遮挡，填充
    • ……

• 包括：数据中心化、数据标准化、缩放、裁剪、旋转、翻转、填充、噪声添加、灰度变换、线性变换、仿射变换、亮度、饱和度及对比度变换等

transforms.normalize：数据标准化， 加快模型收敛

• output = (input – mean) / std

  • mean(R,G,B)及std(R,G,B)是对应3通道的参数值，按照归一化公式（x-mean）/std使得所有元素归一化到（-1，1）之间

• 参数

  • mean:各通道的均值
  • std：各通道的标准差
  • inplace：是否原地操作

• 功能：逐channel的对图像进行标准化（均值变为0，标准差变为1），可以加快模型的收敛

transforms.ToTensor()：归一化

• 功能：将shape为(H, W, C)的nump.ndarray或img转为shape为(C, H, W)的tensor，其将每一个数值归一化到[0,1]，其归一化方法比较简单，直接除以255即可。

裁剪

.CenterCrop：中心裁剪

• 功能：

  • 从图像中心裁剪图片

• 参数：

  • size：所需裁剪图片尺寸

.RandomCrop：随机裁剪

• 功能：

  • 从图片中随机裁剪出尺寸为size的图片

• 参数：

  • size：所需裁剪图片尺寸
  • padding：设置填充大小。当为a时，上下左右均填充a个像素，当为（a,b）时，上下填充b个像素，左右填充a个像素。当为（a,b,c,d）时，左上右下分别填充abcd
  • pad_if_need：若图像小于设定size，则填充
  • padding_mode：填充模式：
    • （1）constant像素值由fill设定（默认模式）；
    • （2）edge像素值由图像边缘像素决定
    • （3）reflect镜像填充，最后一个像素不镜像，eg，[1,2,3,4]->[3,2,1,2,3,4,3,2];
    • (4)symmetric镜像填充，最后一个像素镜像，eg，[1,2,3,4]->[2,1,1,2,3,4,4,3]
  • fill：constant时，设置填充的像素值

.RandomResizedCrop: 随机大小、长宽比裁剪图片

• 参数：
  • size：所需裁剪图片尺寸
  • scale：随机裁剪面积比例，默认（0.08,1）
  • ratio：随机长宽比，默认（3/4,4/3）
  • interpolation：插值方法
    • PIL.Image.NEAREST最近邻
    • PIL.Image.BILINEAR双线性
    • PIL.Image.BICUBIC

FiveCrop: 在图片的左上角、左下角、右上角、右下角和中心裁剪出尺寸为size的5张图片

TenCrop:在图像的上下左右以及中心裁剪出尺寸为size的5张图片，TenCrop对着5张图片进行水平或者垂直镜像获得10张图片

资料

• https://www.lizenghai.com/archives/46484.html
• https://oldpan.me/archives/use-pytorch-normalization
• https://blog.csdn.net/u014484247/article/details/79997357?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2