Albumentations数据增强方法

最新推荐文章于 2025-03-12 20:05:52 发布
最新推荐文章于 2025-03-12 20:05:52 发布
阅读量3.7w 收藏 467
点赞数 129
文章标签： 数据增强  albumentation库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27039891/article/details/100795846
版权
本文详细介绍了Albumentations库中常见的数据增强方法，包括模糊、翻转、归一化、旋转和平移等，这些方法在图像分类竞赛中被证明有效。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Albumentations数据增强方法

常用数据增强方法

本人根据非常棒的Albumentations数据增强库总结了常用的数据增强方法(本人能力有限，如有错误，请指出。有人使用Albumentations库的Blur, Flip, RandomBrightnessContrast, ShiftScaleRotate, ElasticTransform, Transpose, GridDistortion, HueSaturationValue, CLAHE, CoarseDropout在图像分类比赛中取得第二名，所以本人写了这篇文章)。
Albumentations官方手册

在这里插入图片描述

Blur 模糊

Blur（blur_limit = 7，always_apply = False，p = 0.5 ）
图像均值平滑滤波。
在这里插入图片描述

VerticalFlip 水平翻转

VerticalFlip（always_apply = False，p = 0.5 ）
在这里插入图片描述

HorizontalFlip 垂直翻转

HorizontalFlip（always_apply = False，p = 0.5 ）
在这里插入图片描述

Flip 翻转

Flip（always_apply = False，p = 0.5 ）
水平和垂直翻转
在这里插入图片描述

Normalize 归一化

Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225), max_pixel_value=255.0, always_apply=False, p=1.0)
将像素值除以255 = 2 ** 8 - 1，减去每个通道的平均值并除以每个通道的std

Transpose 转置

Transpose(always_apply=False, p=0.5)
将图像行和列互换
在这里插入图片描述

RandomCrop 随机裁剪

RandomCrop(height, width, always_apply=False, p=1.0)
随机从图像裁剪一块区域(参数是高宽，而且必须是整数，所以使用这个函数一定会裁剪一定区域的图片）
在这里插入图片描述

RandomGamma 随机Gamma

*RandomGamma(gamma_limit=(80, 120), eps=1e-07, always_apply=False, p=0.5)
随机伽马变换。在这里插入图片描述

RandomRotate90 随机旋转90度

RandomRotate90(always_apply=False, p=0.5)
随机旋转0个或多个90度。
在这里插入图片描述

Rotate旋转

Rotate(limit=90, interpolation=1, border_mode=4, value=None, mask_value=None, always_apply=False, p=0.5)
随机旋转图片(默认使用reflect方法扩充图片，可以改为参数等其他方法填充)。
在这里插入图片描述

ShiftScaleRotate 平移缩放旋转

ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.1, rotate_limit=45, interpolation=1, border_mode=4, value=None, mask_value=None, always_apply=False, p=0.5)
随机平移、缩放、旋转图片。
在这里插入图片描述

CenterCrop 中心裁剪

CenterCrop(height, width, always_apply=False, p=1.0)
随机中心裁剪图片(参数为高宽，一定会进行裁剪，注意其输入为整数)。
在这里插入图片描述

OpticalDistortion 光学畸变

OpticalDistortion(distort_limit=0.05, shift_limit=0.05, interpolation=1, border_mode=4, value=None, mask_value=None, always_apply=False, p=0.5)
对图像进行光学畸变。
在这里插入图片描述

GridDistortion 网格失真

GridDistortion(num_steps=5, distort_limit=0.3, interpolation=1, border_mode=4, value=None, mask_value=None, always_apply=False, p=0.5)
对图像进行网格失真。
在这里插入图片描述

ElasticTransform 弹性变换

ElasticTransform（alpha = 1，sigma = 50，alpha_affine = 50，interpolation = 1，border_mode = 4，value = None，mask_value = None，always_apply = False，approximate = False，p = 0.5 ）
随机对图像进行弹性变换。
在这里插入图片描述

RandomGridShuffle 随机网格洗牌

RandomGridShuffle(grid=(3, 3), always_apply=False, p=1.0)
参数：将图像以网格方式生成几块，并随机打乱。
在这里插入图片描述

HueSaturationValue 色调饱和度值

HueSaturationValue(hue_shift_limit=20, sat_shift_limit=30, val_shift_limit=20, always_apply=False, p=0.5)
参数：随机色调、饱和度、值变化。
在这里插入图片描述

PadIfNeeded 填充

PadIfNeeded(min_height=1024, min_width=1024, border_mode=4, value=None, mask_value=None, always_apply=False, p=1.0)
填充图像。
在这里插入图片描述

RGBShift RGB平移

RGBShift(r_shift_limit=20, g_shift_limit=20, b_shift_limit=20, always_apply=False, p=0.5)
参数：随机平移R、G、B通道值。
在这里插入图片描述

RandomBrightness 随机亮度

RandomBrightness(limit=0.2, always_apply=False, p=0.5)y = False，p = 0.5 ）
随机亮度变化。
在这里插入图片描述

RandomContrast 随机对比度

RandomContrast(limit=0.2, always_apply=False, p=0.5)
随机对比度变化。
在这里插入图片描述

MotionBlur 运动模糊

MotionBlur(blur_limit=7, always_apply=False, p=0.5)
给图像加上运动模糊。运动模糊是景物图象中的移动效果。它比较明显地出现在长时间暴光或场景内的物体快速移动的情形里。
在这里插入图片描述

MedianBlur 中心模糊

MedianBlur(blur_limit=7, always_apply=False, p=0.5)
图像中值滤波。
在这里插入图片描述

GaussianBlur 高斯模糊

GaussianBlur(blur_limit=7, always_apply=False, p=0.5)
图像高斯平滑滤波。
在这里插入图片描述

GaussNoise 高斯噪声

*GaussNoise(var_limit=(10.0, 50.0), mean=None, always_apply=False, p=0.5)
给图像增加高斯噪声。
在这里插入图片描述

CLAHE 对比度受限自适应直方图均衡

CLAHE(clip_limit=4.0, tile_grid_size=(8, 8), always_apply=False, p=0.5)
将对比度受限的自适应直方图均衡化应用于输入图像。。
在这里插入图片描述

InvertImg 反转图像

InvertImg(always_apply=False, p=0.5)
通过用255减去像素值来反转输入图像。
在这里插入图片描述

ChannelShuffle 通道洗牌

ChannelShuffle(always_apply=False, p=0.5)
随机改变RGB三个通道的顺序。
在这里插入图片描述

Cutout

Cutout(num_holes=8, max_h_size=8, max_w_size=8, fill_value=0, always_apply=False, p=0.5)
在图像中生成正方形区域。
在这里插入图片描述

CoarseDropout

*CoarseDropout(max_holes=8, max_height=8, max_width=8, min_holes=None, min_height=None, min_width=None, fill_value=0, always_apply=False, p=0.5)
在图像上生成矩形区域。
在这里插入图片描述

ToFloat

ToFloat(max_value=None, always_apply=False, p=1.0)
图像除一个值，默认值为图像数据类型的最大值。

Crop 裁剪

Crop(x_min=0, y_min=0, x_max=1024, y_max=1024, always_apply=False, p=1.0)
裁剪图像，其与RandomCrop的区别是可以指定最小值和最大值，而RandomCrop只能指定宽高。
在这里插入图片描述

RandomScale 随机缩放

RandomScale（scale_limit = 0.1，interpolation = 1，always_apply = False，p = 0.5 ）
随机缩放图像大小。

LongestMaxSize

LongestMaxSize（max_size = 1024，interpolation = 1，always_apply = False，p = 1 ）
缩放图像，使最大边等于max_size，保持初始图像的纵横比。

SmallestMaxSize

SmallestMaxSize（max_size = 1024，interpolation = 1，always_apply = False，p = 1 ）
缩放图像，使最小边等于max_size，保持初始图像的纵横比。## VerticalFlip 水平旋转。

Resize缩放

Resize（height，width，interpolation = 1，always_apply = False，p = 1 ）
将输入图像调整为给定的高度和宽度。

RandomSizedCrop 随机裁剪缩放

RandomSizedCrop（min_max_height，height，width，w2h_ratio = 1.0，interpolation = 1，always_apply = False，p = 1.0 ）
随机裁剪图像并缩放到固定大小。
在这里插入图片描述

RandomBrightnessContrast 随机亮度对比度

RandomBrightnessContrast（brightness_limit = 0.2，contrast_limit = 0.2，brightness_by_max = None，always_apply = False，p = 0.5 ）
随机更改输入图像的亮度和对比度。

在这里插入图片描述

RandomCropNearBBox

RandomCropNearBBox（max_part_shift = 0.3，always_apply = False，p = 1.0 ）
随机平移bbox的x，y坐标并从图像中裁剪。
在这里插入图片描述

ISONoise

ISONoise(color_shift=(0.01, 0.05), intensity=(0.1, 0.5), always_apply=False, p=0.5)
施加摄像头传感器噪音。
在这里插入图片描述

Solarize

Solarize(threshold=128, always_apply=False, p=0.5)
反转高于阈值的所有像素值。
在这里插入图片描述

YOLO格式数据集【数据增强】终极脚本 | 70+种顶级数据增强方法 | 可带标签增强
YOLOv8项目贡献者
12-31 3844
YOLO格式数据集【数据增强】终极脚本 | 70+种顶级数据增强方法 | 可带标签增强
【图像增强】使用 Albumentations Python 库（01）
gongdiwudu的专栏
08-24 2225
图像增广是通过对可用图像进行微小更改来创建新训练图像的过程。这包括更改图像的亮度或对比度、裁剪图像的一部分、翻转或旋转原始图像等更改。使用对原始标记图像的这些转换，可以增加图像数量。Albumentations 有效地实现了丰富的 Image Transform 操作，并执行 同时提供简洁而强大的图像增广界面 不同的计算机视觉任务，包括对象分类、分割、 和检测。
【AIGC】计算机视觉—Albumentations（数据增强库）
LeeZhao的博客
03-12 497
计算机视觉—Albumentations（数据增强库）
数据增强库albumentations使用指南
lishanlu136的博客
08-09 3927
albumentations数据增强库使用指南。
使用albumentations对coco进行数据增强
qq_48068259的博客
11-24 4101
使用albumentations对coco数据集进行数据增强操作，也可以扩展到其他类型的目标检测任务数据集上
Albumentation使用指南
NOWAY的博客
08-31 8969
Albumentation使用指南 import最好放在最前面否则可能会和其他模块冲突，import之后如果包OMP的错误就加两行 import os os.environ['KMP_DUPLICATE_LIB_OK']='TRUE' 资源 官方example 官方demo 使用 import albumentations as A from PIL import Image import cv2 as cv import numpy as np from data imp...
Albumentations——强大的数据增强库（图像分类、分割、关键点检测、目标检测）
a486259的博客
04-11 9905
图像增强的目的是从现有数据中创建新的训练样本。Albumentations是一个用于图像增强的Python库。图像增强用于深度学习和计算机视觉任务，以提高训练模型的质量。之所以分享这个库的使用，是因为这个库极其强大。Albumentations库支持图像分类、语义分割、实例分割、关键点检测、目标检测，同时还支持这些任务的融合（也就是混合数据，多任务）。比如：支持对目标检测+语义分割的数据进行增强。其支持30多种图像扩充方法，且其响应速度极其快。此外，基于ALbumentations的特性，博主在本文的末尾实
CV计算机视觉的数据增强方法：使用albumentations库批量数据增强，同时实现了坐标变换
LIN2020LOVEDA的博客
07-24 2768
CV算法、计算机视觉数据增强albumentation批量处理代码
pytorch 实现数据增强分类 albumentations的使用
12-20
而`albumentations`库则提供了更加丰富和灵活的数据增强选项，使得模型训练时可以处理更多的图像变化，从而提高模型的性能。 `albumentations`库包含了多种数据增强操作，如： 1. **Blur**：模糊图像，可以通过...
Python图像增强：Albumentations数据扩增.pdf
最新发布
04-26
无论是数据科学领域的数据分析与可视化，还是 Web 开发中的网站搭建，Python 都能游刃有余。无论你是编程小白，还是想进阶的老手，这篇博文都能让你收获满满，快一起踏上 Python 编程的奇妙之旅！
albumentations数据增强怎么关闭
03-27
好的，我现在需要帮用户解决如何关闭albumentations数据增强的问题。首先，我得回忆一下albumentations库的基本用法。用户之前问过关于Python的.format()方法，现在转到了数据增强库，可能是他们在进行图像处理或...
Albumentations - 快速图像增强库和易于使用的包装其他库-python开发
06-18
基于高度优化的OpenCV库的快速扩充 超级简单但功能强大的界面，适用于不同的任务，如（分割，检测等） 易于定制 易于添加其他框架 相册 该库使用 HWC 格式的图像。 该库在大多数转换上都比其他库快。 基于 numpy、OpenCV，imgaug 从它们中挑选最好的。 简单、灵活的 API，允许在任何计算机视觉管道中使用该库。 大型、多样化的转换集。 易于扩展库以环绕其他库。 易于扩展到其他任务。 支持对图像、蒙版、关键点和边界框的转换。 支持 python 3.5-3.7 与 PyTorch 轻松集成。 从 Torchvision 轻松转移。 曾在 Kaggle、topcoder、CVPR、MICCAI 的许多 DL 比赛中获得最高成绩。 由 Kaggle 大师撰写。 目录 如何使用 Authors 安装 PyPI Conda 文档 像素级转换 空间级转换 从 torchvision 迁移到相册 基准测试结果 贡献 添加新转换 构建文档 评论 引用图书馆赢得的比赛 行业用户 如何使用 多合一展示笔记本- show.ipynb 分类 - example.
albumentations库的用法
qq_35037684的博客
06-30 307
转载自：https://blog.csdn.net/u014264373/article/details/114144303
albumentations(深度学习增强库)
qq_43152622的博客
09-29 5633
本篇博文用于系统记录下albumentation这个cv数据增强库的心得，并会持续更新
使用albumentations数据增强库加载自己的数据集
weixin_44753371的博客
12-23 1596
albumentations数据增强库的使用，主要是数据集的增强与加载。
数据增广albumentations用法 -借例 hw3 食物分类-
YI_SHU_JIA的博客
03-19 2588
previous work： 开启第三个作业 食物分类 ， 有的人找不到数据集地址 放一个 ：ml2021spring-hw3 | Kaggle 前言： 这个作业 每类带标签的数据很少， 然后又是可以看到的真实的图片，一般面对这种 ，我们都需要做数据增广。 所以着part1 我们就一起来探索数据增广的方式 。 先说说 我对数据增广的理解。众所周知，数据增广的方式有很多，然后我们该选哪种呢 ？好吧 我承认 我非常的想用autoaugment 但是那个需要高版本的torchvision...
Py之albumentations：albumentations库函数的简介、安装、使用方法之详细攻略
热门推荐
头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀
01-08 1万+
Py之albumentations：albumentations库函数的简介、安装、使用方法之详细攻略 目录 albumentations库函数的简介 1、albumentations库特点 albumentations库函数的安装 albumentations库函数的使用方法 1、经典案例 albumentations库函数的简介 alb...
利用Albumentations工具包进行图像的数据增强（以yolo数据标注格式为例）
weixin_42182534的博客
03-02 4663
利用Albumentations工具包进行图像的数据增加（以yolo数据标注格式为例）
评论 19
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值