pytorch数据增强，包括image和label同时变化

最新推荐文章于 2024-03-30 15:48:19 发布

低吟浅笑

最新推荐文章于 2024-03-30 15:48:19 发布

阅读量2w

点赞数 29

分类专栏： pytorch 文章标签： python

本文链接：https://blog.csdn.net/qq_37424778/article/details/107407209

版权

pytorch 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

深度学习的性能较为依赖数据增强，常见的数据增强包括：裁剪、翻转、旋转、图像变换等。

本文主要包括三个部分，一部分具体描述数据增强的常见方法和函数，二部分具体描述image和label的同样变化和简单的实现，三部分主要是针对多张图片进行同样变化，进行n倍的数据扩充。

1.理论讲解

2.image和label同样变化

3.多张图片同样变化，n倍的扩充

第一部分：理论讲解

官方的transforms有很多函数，https://pytorch.org/docs/stable/torchvision/transforms.html

在pytorch中，进行数据增强很简单，常见的操作都有了封装实现，我们仅仅需要调用而已。

可以使用transforms.Compose()进行组合：

im_aug = transforms.Compose([
                                  transforms.RandomHorizontalFlip(p1),
                                  transforms.RandomVerticalFlip(p2),
                                  transforms.RandomRotation(10, resample=False, expand=False, center=None),
                                  transforms.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),
                                  transforms.RandomCrop(256),
                                  transforms.Resize((512,512))
                                       ])

一、裁剪（Crop）

1.随机裁剪

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

功能：依据给定的size随机裁剪

参数：

size：(sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size) ，可直接给单个值，如：size=60

padding-(sequence or int, optional)，此参数是设置填充多少个pixel。图像上下左右均填充int个，例如padding=4，则上下左右均填充4个pixel，若为32x32，则会变成40x40。

fill：(int or tuple) 填充的值是什么（仅当填充模式为constant时有用）。int时，各通道均填充该值，当长度为3的tuple时，表示RGB通道需要填充的值。

padding_mode：填充模式，这里提供了4种填充模式，1.constant，常量。2.edge 按照图片边缘的像素值来填充。3.reflect，暂不了解。4. symmetric，暂不了解。

2.中心裁剪

class torchvision.transforms.CenterCrop(size)

功能：依据给定的size从中心裁剪

参数：size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)

3.随机长宽比裁剪

class torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)

功能：随机大小，随机长宽比裁剪原始图片，最后将图片resize到设定好的size

参数：

size- 输出的分辨率

scale- 随机crop的大小区间，如scale=(0.08, 1.0)，表示随机crop出来的图片会在的0.08倍至1倍之间。

ratio- 随机长宽比设置

interpolation- 插值的方法，默认为双线性插值(PIL.Image.BILINEAR)

4.上下左右中心裁剪

class torchvision.transforms.FiveCrop(size)

功能：对图片进行上下左右以及中心裁剪，获得5张图片，返回一个4D-tensor

参数：size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size)

5.上下左右中心裁剪后翻转

class torchvision.transforms.TenCrop(size, vertical_flip=False)

功能：对图片进行上下左右以及中心裁剪，然后全部翻转（水平或者垂直），获得10张图片，返回一个4D-tensor。

参数：size- (sequence or int)，若为sequence,则为(h,w)，若为int，则(size,size) vertical_flip (bool) - 是否垂直翻转，默认为flase，即默认为水平翻转

二、翻转（Flip）和旋转（Rotation）

6.依概率p水平翻转

class torchvision.transforms.RandomHorizontalFlip(p=0.5)

功能：依据概率p对PIL图片进行水平翻转

参数：p- 概率，默认值为0.5

7.依概率p垂直翻转

class torchvision.transforms.RandomVerticalFlip(p=0.5)

功能：依据概率p对PIL图片进行垂直翻转

参数：p- 概率，默认值为0.5

8.随机旋转

class torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None)

功能：依degrees随机旋转一定角度

参数：

degress- (sequence or float or int) ，若为单个数，如 30，则表示在（-30，+30）之间随机旋转若为sequence，如(30，60)，则表示在30-60度之间随机旋转

resample- 重采样方法选择，可选 PIL.Image.NEAREST, PIL.Image.BILINEAR, PIL.Image.BICUBIC，默认为最近邻

center- 可选为中心旋转还是左上角旋转

三、图像变换

9..resize

class torchvision.transforms.Resize(size, interpolation=2)

功能：重置图像分辨率

参数：size- If size is an int, if height > width, then image will be rescaled to (size * height / width, size)，所以建议size设定为h*w interpolation- 插值方法选择，默认为PIL.Image.BILINEAR

10.标准化

class torchvision.transforms.Normalize(mean, std)

功能：对数据按通道进行标准化，即先减均值，再除以标准差，注意是 h、w、c

11.转为tensor

class torchvision.transforms.ToTensor

功能：将PIL Image或者 ndarray 转换为tensor，并且归一化至[0-1]

注意事项：归一化至[0-1]是直接除以255，若自己的ndarray数据尺度有变化，则需要自行修改。

12.填充

class torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')

功能：对图像进行填充

参数：

padding：(sequence or int, optional)，此参数是设置填充多少个pixel。当为int时，图像上下左右均填充int个，例如padding=4，则上下左右均填充4个pixel，若为3232，则会变成4040。当为sequence时，若有2个数，则第一个数表示左右扩充多少，第二个数表示上下的。当有4个数时，则为左，上，右，下。

fill- (int or tuple) 填充的值是什么（仅当填充模式为constant时有用）。int时，各通道均填充该值，当长度为3的tuple时，表示RGB通道需要填充的值。

padding_mode- 填充模式，这里提供了4种填充模式，1.constant，常量。2.edge 按照图片边缘的像素值来填充。3.reflect，？4. symmetric

13.修改亮度、比度和饱和度

class torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

功能：修改修改亮度、对比度和饱和度

14.转灰度图

class torchvision.transforms.Grayscale(num_output_channels=1)

功能：将图片转换为灰度图

参数：num_output_channels- (int) ，当为1时，正常的灰度图，当为3时， 3 channel with r == g == b

15.线性变换

class torchvision.transforms.LinearTransformation(transformation_matrix)

功能：对矩阵做线性变化，可用于白化处理！whitening: zero-center the data, compute the data covariance matrix

参数：transformation_matrix (Tensor) – tensor [D x D], D = C x H x W

16.仿射变换

class torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)

功能：仿射变换

17.依概率p转为灰度图

class torchvision.transforms.RandomGrayscale(p=0.1)

功能：依概率p将图片转换为灰度图，若通道数为3，则3 channel with r == g == b

18.将数据转换为PILImage

class torchvision.transforms.ToPILImage(mode=None)

功能：将tensor 或者 ndarray的数据转换为 PIL Image 类型数据

参数：mode- 为None时，为1通道， mode=3通道默认转换为RGB，4通道默认转换为RGBA

19.transforms.Lambda

Apply a user-defined lambda as a transform. 暂不了解，待补充。

四、对transforms操作，使数据增强更灵活

PyTorch不仅可设置对图片的操作，还可以对这些操作进行随机选择、组合

20.transforms.RandomChoice(transforms)

transforms.RandomChoice(transforms)

功能：从给定的一系列transforms中选一个进行操作，randomly picked from a list

21.transforms.RandomApply(transforms, p=0.5)

功能：给一个transform加上概率，以一定的概率执行该操作

22.transforms.RandomOrder

功能：将transforms中的操作顺序随机打乱

第二部分：对Image和Label同样变化

下面就是同样变化的代码，下面的代码是打开图片，随机生成p1、p2，然后定义了数据扩增器，在使用数据扩增的时候，再定义随机数种子，在随机数种子确定后，之后生成的图片都是一模一样的。

from PIL import Image
from torchvision import transforms as tfs
from torchvision import transforms
import matplotlib.pyplot as plt
import random
import numpy as np
im = Image.open('./5CT.jpg')
p1 = random.randint(0,1)
p2 = random.randint(0,1)
im_aug = transforms.Compose([
                                  transforms.RandomHorizontalFlip(p1),
                                  transforms.RandomVerticalFlip(p2),
                                  transforms.RandomRotation(10, resample=False, expand=False, center=None),
                                  transforms.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),
                                  transforms.RandomCrop(256),
                                  transforms.Resize((512,512))
                                       ])
print(im_aug)
seed = np.random.randint(2147483647)     # make a seed with numpy generator

for i in range(5):
    random.seed(seed)                    # apply this seed to img tranfsorms
    f = plt.imshow(im_aug(im))
    plt.show()

第三部分：多张图进行同时变化

将多个图片保存到txt中，保存图片的路径，多个路径以空格隔开，依次读图，做同样变化。

from PIL import Image
from torchvision import transforms as tfs
from torchvision import transforms
import matplotlib.pyplot as plt
import random
import numpy as np
import os


root = "E:/Dataset/qhms/lu/"
f1 = open(root+'1.txt','r')
f1_list = f1.read().splitlines()
k = 1
aug_data_number = 2

for item in f1_list:
    item_split = item.split(' ')[:6]
    print(item_split)
    for i in range(aug_data_number):
        seed = np.random.randint(2147483647)  # make a seed with numpy generator
        p1 = random.randint(0, 1)
        p2 = random.randint(0, 1)
        path = root+str(k)
        if not os.path.isdir(path):
            os.mkdir(path)
        for i in item_split:
            im = Image.open(i)
            # print(im.mode)
            # plt.imshow(im)
            # plt.show()
            name = os.path.basename(i)
            im_aug = transforms.Compose([
                transforms.Resize((512, 512)),
                transforms.RandomHorizontalFlip(p1),
                transforms.RandomVerticalFlip(p2),
                transforms.RandomRotation(10, resample=False, expand=False, center=None),
                # transforms.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),
                transforms.RandomCrop(256),
                transforms.Resize((512, 512))
            ])
            random.seed(seed)     # apply this seed to img tranfsorms
            img = im_aug(im)
            f = plt.imshow(img,cmap="gray")
            plt.savefig(os.path.join(path,name))
            # plt.title(name)
            # plt.show()
        k = k+1

参考：https://www.cnblogs.com/ziwh666/p/12395360.html

低吟浅笑

关注

29
点赞
踩
163

收藏

觉得还不错? 一键收藏
打赏
23
评论
pytorch数据增强，包括image和label同时变化

深度学习的性能较为依赖数据增强，常见的数据增强包括：裁剪、翻转、旋转、图像变换等。本文主要包括三个部分，一部分具体描述数据增强的常见方法和函数，二部分具体描述image和label的同样变化和简单的实现，三部分主要是针对多张图片进行同样变化，进行n倍的数据扩充。第一部分：理论讲解...
复制链接

扫一扫