Week2：[任务二] 第二节 transforms图像增强(二)

最新推荐文章于 2024-06-17 22:33:11 发布
最新推荐文章于 2024-06-17 22:33:11 发布
阅读量273 收藏 1
点赞数
分类专栏： Pytorch框架学习
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_42261092/article/details/119427736
版权

【目录】

  • transforms方法操作

  • transforms—图像变换

  • 自定义transforms方法

1、transforms方法操作

  • Pad

  • ColorJitter

亮度：＞1会更亮一些

对比度：＞1会更硬朗一些，白的地方更白，黑的地方更黑

饱和度：＞1会更鲜艳一些

色相：会更改图像的色彩

  • Grayscale、RandomGrayscale

  •  RandomAffine

     仿射变换（旋转、平移、缩放、错切和翻转）

右二X轴错切、右三Y轴错切

  • RandomErasing

  • 功能：对图像进行随机遮挡
  • p：概率值，执行该操作的概率
  • scale：遮挡区域的面积
  • ratio：遮挡区域长宽比
  • value：设置遮挡区域的像素值

随机遮挡是对张量进行操作，之前的是直接对image图像进行操作

宽比长、长比宽一般设置为3倍左右(0.33,3.33）不然会丢失一些像素

scale即随机遮挡的面积一般设置为(0.02，0.33)

value为遮挡的图像的颜色，设置为"random"即为彩色填充

  • 匿名方法（常用于对数据类型进行调整）

由于TenCrop返回的是十张tuple的形式

而transforms的输入通常是一个PIL image或一个Tensor形式，因此要对输出进行变换将其拼接成一个tensor形式

crops是一个长度为10的tuple，tuple中的每一个元素是一个PIL image

利用torch.stack对张量进行拼接，张量放在一个list中，

通过列表解析提取出元组中的每一个元素，transforms.toTensor()将其变成张量

2、transforms—图像变换组合

3、自定义transform方法

注意上下游的输入与输出，本层的输入来自上层的输出，本层的输出来自上层的输入

通过类传入多参数，在_ _init_ _()初始化中

 以椒盐噪声为例

信噪比为图像像素（信号）在整张图片中的占比，随着信噪比的下降，图像越来越模糊

snr为信噪比，p为概率值（根据一定概率决定是否使用椒盐噪声）

自定义transforms——椒盐噪声

夏目学习
关注
专栏目录
【NLP】第15章 从 NLP 到与任务无关的 Transformer 模型
sikh_0529的博客
09-26 7088
到目前为止，我们已经检查了具有编码器和解码器层的原始 Transformer 模型的变体，并且我们探索了具有仅编码器或仅解码器层堆栈的其他模型。此外，层和参数的大小也增加了。然而，Transformer 的基本架构保留了其具有相同层的原始结构和注意力头计算的并行化。在本章中，我们将探索创新的 Transformer 模型，这些模型尊重原始 Transformer 的基本结构，但会做出一些重大改变。将出现许多变形金刚模型，就像一盒乐高©碎片提供的许多可能性一样。您可以通过数百种方式组装这些部件！
看图说话：从图片到文字
羊城迷鹿的博客
08-30 1531
文章目录模型整体结构比较翻译模型和看图说话编码器模型解码器模型训练和评估了解数据集了解pack_padded_sequence函数和pad_packed_sequence函数对梯度进行clip操作epoch级别的训练函数epoch级别的评估函数引入注意力机制Soft attention原理及实现Attention矩阵相乘test（理解上面的encoder_out * alpha.unsqueeze...
08transforms图像增强（二）
Lorenzo's Oil
01-27 531
一、transforms——图像变换 1.1 Pad transforms.Pad(padding, fill=0, padding_mode=' constant') 功能：对图片边缘进行填充 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a, b, c, d...
transforms图像增强（一）
学习记录
01-05 1774
数据增强（Data Augmentation）是一种常用的数据预处理技术，通过对训练集进行各种变换和扩增操作，可以增加训练数据的多样性和丰富性，从而提高模型的泛化能力。数据增强的目的是通过对训练集中的图像进行随机变换，生成更多样的图像样本，以模拟真实世界中的各种场景和变化。这样可以帮助模型学习到更多不同的特征和模式，提高模型对于不同样本的适应能力，减少过拟合的风险。常见的数据增强操作包括图像翻转、旋转、缩放、裁剪、平移、变换色彩空间、添加噪声等。
深度学习-运用transforms方法 对图片增强
qq_33700934的博客
06-17 762
transforms方法在图像增强中起到了至关重要的作用，特别是在深度学习的数据预处理阶段。以下是关于transforms方法如何对图片进行增强的详细解释：数据增强的目的数据增强是一种常用的数据预处理技术，通过对训练集进行各种变换和扩增操作，增加训练数据的多样性和丰富性，从而提高模型的泛化能力。其目的是模拟真实世界中的各种场景和变化，帮助模型学习到更多不同的特征和模式，提高模型对于不同样本的适应能力，减少过拟合的风险。
pytorch学习笔记：transforms图像增强
weixin_44285710的博客
04-02 1459
数据增强：对训练集进行一系列的处理变换，使训练集更丰富，从而让模型更具泛化能力。 transforms----裁剪 1.transforms.CenterCrop（size） 功能：从图像中心裁剪指定尺寸的图片。当裁剪尺寸大于原始尺寸时，会使用0值填充，效果就是黑色像素填充 2.transforms.RandomCrop(size, padding) 功能：从原始图片中随机裁剪出尺寸为s...
05.transforms图像增强
老毛的博客
10-24 2545
文章目录内容概要数据增强Data Augmentationtransforms——裁剪1.transforms.CenterCrop2.transforms.RandomCrop3.RandomResizedCrop4.FiveCrop5.TenCroptransforms——翻转和旋转transforms——Flip3.RandomRotationtransforms——图像变换1.Pad2.C...
第2周学习：卷积神经网络基础
qq_37466455的博客
07-20 2277
week2
使用 CNN 进行猫狗分类
qq_36078275的博客
03-20 1199
但是，我们将创建一个自定义的，因为`TensorDataset`不允许传递`transforms.Compose`对象，这导致我们无法进行预处理和扩充。事实上，我们无法确定水平翻转图像的外观，因为我们不熟悉原始的、未翻转的版本。但对我来说，它实际上是学习神经网络的一个很好的起点。成功导入所有模块后，现在我们可以初始化`device` ，它本质上只是一个`cuda`或`cpu`的字符串。其次， `__len__()`允许将`Cat_Dog_Dataset`传递给`len()`函数，以便找出数据集中的样本数。
Week2：[任务二] 第一节 Transforms图像增强(一)
qq_42261092的博客
08-12 134
【目录】 数据增强 Transforms——裁剪 Transforms——翻转和旋转 1、数据增强 2、Transforms——裁剪 transforms.CenterCrop transforms.RandomCrop transforms.RandomResizedCrop scale随机裁减面积比例，默认取值范围为（0.08，1）比如说，0.6代表原始图像面积的百分之六十进行裁剪。将scale设置为(0.5，0.5)是裁剪一半的面积然后进行..
【Pytorch基础学习】（2）图像增强（Transforms）
qq_43456016的博客
04-10 921
图像数据对神经网络训练影像较大，样本空间不够大或者数量不足是会严重影响训练结果，也容易导致模型过拟合，泛化能力差。并且数据往往总不是模型所需的最终处理输入形式。我们可以使用transforms对数据进行一些操作，使其适合训练。
pytorch —— transforms图像增强（一）
然后就去远行
11-21 6136
1、数据增强（data augmentation） 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。 在中学阶段就已经接触过数据增强的概念，看一个例子，高中的五年高考三年模拟，假设学生是一个模型，五年高考真题是一个训练集，当年高考题是一个验证集，用来验证学习模型的学习能力和效果。对于这个例子怎么做数据增强呢？就是对历年的高考题的知识点进行分析和提炼，...
PyTorch 第二周第三节：transforms图像增强（一）
冰雪棋书的博客
12-16 435
1、数据增强 2、transforms----裁剪 3、transforms----翻转和旋转
transforms数据预处理【图像增强】 -＞（个人学习记录笔记）
slience_me的博客
09-18 1446
transforms数据预处理的相关操作
图像处理：针对目标特征的数据增强——颜色变换（二）
Ethan的博客
04-29 2195
# coding: utf-8 import os import sys from cv2 import cv2 import numpy as np import xml.etree.ElementTree as ET import shutil #各种蓝色的HSV值 blues =[ [120, 255, 77], [120, 255, 128], [120, 255, 179], ...
第二周、transforms图像增强（一）
u012675171的博客
07-05 526
一、数据增强 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 二、transforms——裁剪 2.1 transforms.CenterCrop transforms.CenterCrop(size) 功能: 从图像中心裁剪图片 size: 所需裁剪图片尺寸 2.2 transforms.RandomCrop 功能: 从图片中随机裁剪出尺寸为size的图片 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
Python面试宝典：Python中与常用的机器学习库相关的面试笔试题（1000加面试笔试题助你轻松捕获大厂Offer）
最新发布
今晚打老虎的专栏
06-17 322
Python中与常用机器学习库相关的面试笔试题
transforms图像增强（二）
学习记录
01-06 2032
是一个用于对图像边缘进行填充的数据转换操作。padding(a, b)baa, b, c, d'constant'fill'edge''reflect'fill'constant'(R, G, B)在上面的示例中，将图像的边缘填充了2个像素，填充的像素值为红色 (255, 0, 0)。填充模式为'constant'，表示使用常数填充。注意：填充操作通常在图像预处理阶段使用，以确保所有图像具有相同的尺寸或符合模型的输入要求。填充后的图像尺寸会增加，因此在应用填充之前需要考虑好图像的尺寸和比例关系。
深度之眼Pytorch打卡（十二）：Pytorch数据预处理——选择与自定义transforms（通过向图片上添加椒盐噪声、高斯噪声增来强数据的数据增强方法）
意疏的学习笔记
07-27 9754
前言   这篇笔记继续学习pytorch的数据预处理方式transforms，前三篇笔记学习了transforms的使用流程，和各种方法实现。这篇笔记包括两个要点，第一是在已经选择好transforms方法，并且设置好参数数的前提下，如何在每次迭代的时候选择不同的transform方法或者使用不同的调用顺序，第二是如何自定义transforms方法。本笔记的知识框架主要来源于深度之眼，并依此作了内容的丰富拓展，拓展内容主要源自对torch文档的翻译理解，所用数据来源于网络。   数据预处理方法具体实现见：
Pytorch：transforms－进行在线图像增强的方法总结
comway_Li的博客
07-16 4668
本文截取自《PyTorch 模型训练实用教程》，获取全文pdf请点击：https://github.com/tensor-yu/PyTorch_Tutorial 本文对transforms.py中的各个预处理方法进行介绍和总结。主要从官方文档中总结而来，官方文档只是将方法陈列，没有归纳总结，顺序很乱，这里总结一共有四大类，方便大家索引： 裁剪——Crop 中心裁剪：transforms.Ce...
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