数据扩增（增强），以及在pytorch的transforms中使用自定义函数

最新推荐文章于 2024-05-29 18:53:38 发布

Kolo_Tong

最新推荐文章于 2024-05-29 18:53:38 发布

阅读量5.4k

点赞数 11

文章标签： pytorch 机器学习

本文链接：https://blog.csdn.net/qq_32531505/article/details/106300540

版权

数据扩增（增强）通过变换创造更多样本，防止过拟合，提高模型泛化能力。在PyTorch的transforms中，常用变换包括颜色、尺度和样本空间操作。若自带函数无法满足需求，可以自定义函数。自定义函数需遵循一定格式，并能像自带函数一样使用，例如实现高斯模糊。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.简单讲一讲数据扩增的定义

数据扩增（增强）是指实际不增加原始数据，只是对原始数据做一些变换，从而创造出更多的数据。
数据扩增的作用是增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。

2.数据扩增方法

仅从单样本数据来看，数据扩增针对一个样本的时候，就是对样本本身从颜色空间、尺度空间到样本空间进行操作。
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。

2.1以transforms为例，了解变换

常见变换：

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