Pytroch torchvision 数据增强 翻转 旋转

0 数据增强简介

• 数据增强常常用来扩充数据，在一定程度上可以缓解数据不足所带来模型训练程度不足的问题，对于少量数据进行数据增强，再训练模型，可以增强模型

• 数据增强的方式：通常在训练中使用而不在测试中使用，并且在训练中常常使用随机的方式生成

• 数据增强的使用：通常根据应用场景进行数据增强。比如有些数据在光线有大量变化的场景中应用，需要对图片数据进行光照上的增强；有些数据在形状上有变化，比如伪装物体的检测，此时可能需要随机剪裁和随机的部分像素的消失来进行数据增强

• 对于医学上的数据，常常是方向上的变化，器官或者组织常常在医学图像上发生翻转或者旋转，因此可以对这样的场景进行旋转和翻转的数据增强

1 使用的例子

• 本次使用的例子是OCT血管图像，由于血管图像常常出现在扫描范围的不同方位上，所以对其进行翻转和旋转增强

图片：

2 增强方式

2.1 水平翻转和竖直翻转

代码：

# 1. 水平翻转
horizontal_flip = torchvision.transforms.RandomHorizontalFlip(p=1)
# 2. 竖直翻转
vertical_flip = torchvision.transforms.RandomVerticalFlip(p=1)

params:

• p： 代表随机的概率，即以p的概率翻转，否则不反转
• 在本次数据增强中，我们明确要进行数据的翻转，因此设p=1

效果:

2.2 旋转

代码:

# 逆时针90度
rotate_90 = torchvision.transforms.RandomRotation(degrees=(90, 90), expand=False, center=(364, 364))   # expand=False旋转的棱角消失，保持原图像的大小，否则变大
# 180度
rotate_180 = torchvision.transforms.RandomRotation(degrees=(180, 180), expand=False, center=(364, 364))
# 270
rotate_270 = torchvision.transforms.RandomRotation(degrees=(270, 270), expand=False, center=(364, 364))

params:

1. degrees=(min, max)， 随机在min - max角度上进行旋转， 若degrees=degree, 则在(-degree , degree)上进行随机的旋转。本次要求对其继续明确的角度旋转，因此设置为degree = (degree, degree)， 此时就会按照既定的角度进行逆时针旋转
2. expand=False, 旋转时，由于图片棱角有时会被旋转到左上角，此时图片所占的矩形区域就会变大，选择expand=False,则会去掉相关的区域，保持原来图片的大小，如果选择True图片扩大
3. center=(x, y): 转转中心，本次指定方形图片728 × 728的中心为旋转中心，即(364, 364)

效果：

---

参考文章

• PyTorch实现数据增强（kaggle环境）: https://blog.csdn.net/weixin_44010756/article/details/116356674