数据增广——图像随机旋转

最新推荐文章于 2023-12-03 01:33:23 发布
最新推荐文章于 2023-12-03 01:33:23 发布
阅读量1.3k 收藏 4
点赞数 1
分类专栏： 数据增广 文章标签： 计算机视觉 深度学习 机器学习
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_40840924/article/details/124847209
版权

数据增广——图像随机旋转

数据增广是深度学习中常用的一种正则化方法，目的是防止网络过拟合。YOLOv5算法中使用mosaic就是这样一种方法。

图像随机旋转

图像随机旋转是一种常见的数据增广方法，它能够增强网路在各种不同角度分辨物体与非物体的能力。现实世界里，目标物体可能以各种神奇的角度出现，例如无人机在拍摄船舶时可能发生自转，导致目标在相邻帧发生旋转。如果在训练时不加以考虑，那网络可能出现漏识别或者误识别等问题。我在训练YOLOv5时就碰到了这样的问题。

使用没有随机旋转的数据集训练YOLOv5，测试时会出现将非目标物体识别成目标物体的现象。Like this. 出现了！！！左上角把山脉和云朵合并识别成船舶的经典错误案例！呜呜呜！大哥，你置信度给的可比人家正经船只高很多了，超过90%呢。
在这里插入图片描述
However，当我在训练时随机旋转batch中的图片，最后训练出来的网络就能够避免将这种非船舶目标识别成船舶目标的现象，like this. 好欸！！！！这样我们就知道在训练时加入随机旋转的确是有用的呢！Good!
在这里插入图片描述

粉粉Shawn
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
目标检测的Tricks | 【Trick8】数据增强——随机旋转、平移、缩放、错切、hsv增强
Clichong
04-23 8713
如有错误，恳请指出。 在之前使用opencv就介绍使用过一些常用的数据增强的实现方法，见：《数据增强 | 旋转、平移、缩放、错切、HSV增强》，当时介绍了旋转、平移、缩放、错切、HSV增强，但是只是针对了图像的数据增强，并没有涉及到label的变化。 因为，对于分类任务的数据增强来说，只需要对图像进行数据增强就可以了；但是对于目标检测任务来说，图像改变了，也以为着label的位置改变，同样需要作出变换，所以这里我介绍一下目标检测下的数据增强方法。 文章目录1. 随机旋转、平移、缩放、错切2. hsv增强.
YOLO数据集实现数据增强的方法（裁剪、平移 、旋转、改变亮度、加噪声等）
热门推荐
路人贾的博客
07-16 3万+
数据集样本太少怎么办？数据集优质图像不够怎么办？如何做到更好的数据预处理？一文带你学会数据增强，还可实现带标签的扩充。
使用TensorFlow对图像进行随机旋转的实现示例
09-18
主要介绍了使用TensorFlow对图像进行随机旋转的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
python图像增强之随机翻转或随机旋转
叶子的博客
09-05 7815
假设输入的图像数据为img，标签label组成为classid、x、y、w、h，因此labels维度为Nx5。假设旋转前的坐标和尺寸为x0、y0、w0、h0。x、y、w、h均为归一化后坐标，即已经除以图像自身的宽高。以下操作需要用到numpy矩阵操作和random随机操作。引入随机的概念主要是为了便于进行随机增强，即随机翻转或随机旋转。
图片随机翻转
weixin_30594001的博客
04-26 456
<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>随机翻转</title> <style type="text/css"> body{ background-color: #ccc; } ul{ margin: 20px au...
数据增广：旋转，缩放，平移以及错切
霹雳吧啦Wz
08-06 1万+
在深度学习（图像领域）中，为了提升训练样本数量数据增广是非常常见的手段。比如： 随机水平翻转 随机色调(H)、饱和度(S)、明度(V)调整 随机旋转，缩放，平移以及错切 还有近几年常用的mixup，mosaic等等。 今天简单讲讲随机旋转，缩放，平移以及错切方法，因为在之前yolov3 spp项目的数据读取部分有涉及到相关知识。本文会结合opencv来进行演示。 文章目录仿射变换旋转、平移与缩放旋转与平移错切 仿射变换 在opencv中可以通过仿射变换来实现旋转，缩放，平移以及错切等一系列操作。仿射
图像随机旋转及坐标进行旋转原理及Python实现
Chown先森
05-08 4692
在做人脸或物体检测的任务中，往往需要对训练集进行随机旋转，做数据增强，增加模型的鲁棒性。 在进行图像随机旋转的同时，相应的Label值坐标，如人脸关键点检测中人脸对应的关键点坐标，物体检测任务中的物体所在box坐标。 （1）.原理-------坐标旋转变换公式 原理参照博客： https://blog.csdn.net/u012686154/article/details/88854...
百度飞桨公开课笔记——OPENCV库实现图像增广
IUPAD的博客
03-10 410
引入numpy及cv2库 import cv2 import numpy as np from matplotlib import pyplot as plt %matplotlib inline 本文操作的示例图片 建立图片变量： filename = 'lena.jpg' ## [Load an image from a file] img = cv2.imread(filename) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) plt.imshow(img
百度飞桨架构师手把手带你零基础实践深度学习——图像分类
qq_44635194的博客
08-20 1185
百度飞桨架构师手把手带你零基础实践深度学习——打卡计划总目录重要意义LeNetLeNet在手写数字识别上的应用LeNet在眼疾识别数据集iChallenge-PM上的应用数据集准备查看数据集图片定义数据读取器AlexNet 下面给出课程链接，欢迎各位小伙来来报考！本帖将持续更新。我只是飞桨的搬运工 话不多说，这么良心的课程赶快扫码上车！https://aistudio.baidu.com/aistudio/education/group/info/1297?activityId=5&directl
AutoML数据增广
阿里云云栖号
04-28 1210
DeepAugment是一个专注于数据扩充的自动化工具。 它利用贝叶斯优化来发现针对您的图像数据集定制的数据增强策略。 DeepAugment的主要优点和特点是： 降低CNN模型的错误率(WRN-28-10显示CIFAR10的错误率降低了60%) 通过自动化流程可以节省时间 比谷歌之前的解决方案——AutoAugment——快50倍 完成的包在PyPI上。你可以通过运行以下命令来在终端上安装...
批量图片随机裁剪，翻转，颠倒-图片预处理
11-28
在做深度学习时，如果样本量不够，可以采取对图片做随机裁剪，翻转等一系列调整，增加样本量。这个程序可以实现对文件夹中的图片做批处理，你要做的只是修改路径。
Keras图片增广操作，-随机旋转图片
Jiashilin
07-06 912
#!/usr/bin/env python # -*- coding:utf-8 -*- # Author: Jia ShiLin import numpy as np import cv2 import matplotlib.pyplot as plt import glob DATA_DIR = 'data/augmentation' images = glob.glob(DATA_DI...
【三分钟】学会基于opencv随机翻转RGB图像(水平/垂直)（干货！！！）
最新发布
创作高质量博文，分享知识，共同进步！
12-03 1344
欲对RGB格式的lena图像进行随机翻转，要求这些图像不翻转、水平翻转、垂直翻转的概率都为1/3。
通过旋转角度扩充数据集
weixin_39153202的博客
10-11 4141
       tensorflow 的object detection api有一系列预处理方法（如flip等），但不包括旋转rotation，这可能是因为常规项目不会涉及到图像的360度旋转。但旋转在某些特定任务中尤为重要，笔者最近的遥感图像检测和血细胞检测项目采用的都是俯瞰视角，这种情况下，训练数据集的旋转操作可以使得网络具有方向的鲁棒性。        初步发现，api中常规的预处理操作是...
数据集增强——图像翻转、旋转、随机颜色、对比度、亮度、颜色增强
hhb3329的博客
02-09 2334
机器学习/深度学习所需数据增强解决图像数据集数量过少问题
图像增广——图片旋转任意角度（python实现）
weixin_44996884的博客
03-17 3085
1.背景 因为数据集很少，项目还需要进行图像的识别，因此利用图像增广技术产生相似但是又不同的样本，扩大数据集的规模，从而降低模型对某些属性的依赖，从而提高模型的泛化能力。常见的图像增广技术有：翻转和剪切，变换颜色等。接下来介绍的这种是图像的旋转 2.实现方法 import cv2 from math import * import os def remote(img, degree): height, width = img.shape[:2] radians = float(degre
数字图像处理：图像增强最常用的几种方法（二）
学无止境、积少成多、厚积薄发
06-28 1万+
深度学习模型训练时通常都需要大量的训练集，我们在做图像相关的应用时同样需要进行图像数据增加，下面我将给大家总结10种图像数据增强常用的方式 1、水平翻转 随机的对图片进行水平翻转，这个参数适用于水平翻转不影响图片语义的时候。 2、竖直翻转 随机的对图片进行竖直翻转，这个参数适用于竖直翻转不影响图片语义的时候。 3、随机翻转角度 设置一个0~180的度数，用来指定随机旋转图片的角度。 4、随机水平平...
数据增强（随机旋转+噪点）
weilaicxy22的博客
11-10 1465
# !/usr/bin python3 # encoding : utf-8 -*- # @software : PyCharm # @file : Augment.py import cv2 import os import numpy as np import random from t
数据增强-图片旋转
weixin_44323744的博客
02-20 2277
图片旋转与xml旋转的代码
图像数据的增广用于任意旋转字符识别，python 代码
09-22
### 回答1： 图像数据增强是一种提高模型对图像的鲁棒性的方法，特别是在图像识别问题中，如果模型仅在训练集上见到的数据分布情况下表现良好，那么它在测试集上的表现很可能不佳。为了解决这个问题，可以对图像进行数据增强，这样可以增加模型对图像变换的鲁棒性。 在任意旋转字符识别中，你可以使用以下 python 代码来实现图像数据增强： ```python import cv2 import numpy as np def random_rotate(image): angle = np.random.uniform(-30, 30) rows, cols = image.shape[:2] rotation_matrix = cv2.getRotationMatrix2D((cols/2, rows/2), angle, 1) return cv2.warpAffine(image, rotation_matrix, (cols, rows)) # 旋转一个图像 image = cv2.imread("example.png") rotated_image = random_rotate(image) cv2.imwrite("rotated_image.png", rotated_image) ``` 在代码中，我们使用 `cv2.getRotationMatrix2D` 函数生成旋转矩阵，并使用 `cv2.warpAffine` 函数对图像进行旋转。你可以多次调用 `random_rotate` 函数来生成多个不同的旋转版本，进而实现图像数据增强。 ### 回答2： 图像数据的增广是在训练数据中对图像进行变换和扩充，以提高模型的泛化能力和鲁棒性。对于任意旋转字符识别来说，可以通过增加旋转角度的方式来增广图像数据。下面是一个使用Python代码实现图像数据增广的示例： ```python import cv2 import random import numpy as np def augment_data(image, angle_range): # 随机生成旋转角度 angle = random.uniform(-angle_range, angle_range) # 获取图像的尺寸 h, w = image.shape[:2] # 计算旋转中心 center = (w // 2, h // 2) # 定义旋转矩阵 M = cv2.getRotationMatrix2D(center, angle, 1.0) # 执行旋转变换 rotated_image = cv2.warpAffine(image, M, (w, h), flags=cv2.INTER_LINEAR) return rotated_image # 读取图像数据 image = cv2.imread('image.jpg') # 执行图像数据增广 augmented_image = augment_data(image, 20) # 旋转角度范围为±20度 # 显示增广后的图像 cv2.imshow('Augmented Image', augmented_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 以上代码中，`augment_data()`函数用于对输入图像进行旋转增广。通过随机生成旋转角度，然后计算旋转中心和旋转矩阵，并利用`cv2.warpAffine()`函数实现图像的旋转变换。最后，可以通过`cv2.imshow()`函数显示增广后的图像。 在实际应用中，可以将图像数据增广应用于训练集中的每个图像，以提高模型的鲁棒性和泛化能力。 ### 回答3： 图像数据的增广是指对原始图像进行一系列变换操作，以增加数据样本的多样性和数量，从而提高模型的泛化能力和鲁棒性。对于任意旋转字符识别任务，可以使用Python代码实现以下图像数据增广操作： 1. 导入所需的库和模块： ```python import cv2 import numpy as np import random ``` 2. 加载原始图像数据： ```python image = cv2.imread('image_path.jpg') ``` 3. 定义旋转操作的参数和范围： ```python angle_range = (-15, 15) # 旋转角度范围 ``` 4. 定义旋转函数并实现图像数据增广： ```python def rotate_image(image, angle): # 获取图像宽高 height, width = image.shape[:2] # 计算旋转中心 center = (width / 2, height / 2) # 定义旋转矩阵 rotation_matrix = cv2.getRotationMatrix2D(center, angle, 1.0) # 执行旋转操作 rotated_image = cv2.warpAffine(image, rotation_matrix, (width, height)) return rotated_image # 随机生成旋转角度 angle = random.uniform(angle_range[0], angle_range[1]) # 执行图像旋转操作 rotated_image = rotate_image(image, angle) ``` 5. 可根据需求，添加其他图像数据增广操作，如平移、缩放、翻转等，以增加数据样本的多样性。 通过以上代码段，可以实现对任意旋转字符的图像数据进行增广。该方法可以在训练过程中生成多样性的图像样本，增加数据集的规模并提高模型的泛化能力和鲁棒性。
评论
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