语义分割图像和标签一起扩充

        网上很多数据扩充都是只扩充了图像,图像和对应的标签一起扩充的代码很少,而且很多代码copy过来也不能直接用。

#导入数据增强工具
import Augmentor
 
#确定原始图像存储路径以及掩码文件存储路径
p = Augmentor.Pipeline("D:\folder1")  #这里填写图像文件路径
p.ground_truth("D:\folder2") #这里填写图像对应的标签文件路径

#图像旋转: 按照概率0.8执行,最大左旋角度25,最大右旋角度25
p.rotate(probability=0.8, max_left_rotation=25, max_right_rotation=25)
 
#图像左右互换: 按照概率0.5执行
p.flip_left_right(probability=0.5)
 
#图像放大缩小: 按照概率0.8执行,面积为原始图0.85倍
p.zoom_random(probability=0.3, percentage_area=0.85)
 
#最终扩充的数据样本数
p.sample(50) #想要扩充到多少张,这里50表示扩充后一共有50张(不包括原来待扩充的图像)

原先crack / image文件夹下只有18张图像        

        运行完成过后,会在原先图像路径crack / image路径里面自动新建一个output文件夹

output 文件夹放的就是扩充后的图像数据和对应的标

注意:图像和对应的标签一定要名称完全一致(包括后缀)才能使用这段代码完成数据扩充。不然就只会扩充图像,而不会扩充标签

  • 6
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用和引用,在Matlab中进行图像语义分割图像增强主要包括旋转、对称上下左右翻转和缩放等操作。数据增强的主要目的是通过生成一系列变化后的图像扩充训练数据集,提高模型的鲁棒性和性能。具体来说,可以使用函数`doAugmentate`来实现图像增强,在该函数中,可以通过修改参数`imgnum`来控制生成的图像数量。 此外,引用提到数据增强可以改进不同计算机视觉任务的模型结果,包括图像分类和图像语义分割。因此,对于Matlab语义分割任务,采用图像增强可以提高模型的性能和准确度。 总结起来,Matlab语义分割图像增强方法主要包括旋转、对称上下左右翻转和缩放等操作,通过增加数据量和多样性来提高模型性能和鲁棒性。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [语义分割 图像增强(数据扩充)教程](https://blog.csdn.net/zqx951102/article/details/109543140)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [WB color gainer:可以提高图像分类和语义分割精度的WB增强器(ICCV 2019)-matlab开发](https://download.csdn.net/download/weixin_38589795/19266438)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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