编辑:zero
关注 搜罗最好玩的计算机视觉论文和应用,AI算法与图像处理 微信公众号,获得第一手计算机视觉相关信息
本文转载自:公众号:AI公园
作者:mdbloice
编译:ronghuaiyang
导读
图像增强是CV领域非常常用的技术,这里找到一个非常好用的图像增强的工具,可以用于Pytorch和Keras,而且功能强大,使用简单,更重要的是可以成对的进行图像增强,简直是实战利器,有了这个,妈妈再也不用担心我的数据不够了。
Augmentor是一个Python的图像增强库。这是一个独立的库,不依赖与某个平台或某个框架,非常的方便,可以进行细粒度的增强控制,而且实现了大部分的增强技术。使用了随机的方法来构建基础的模块,用户可以把这些模块组成pipline使用。
安装
Augmentor是Python写的。还有一个Julia的版本,链接:https://github.com/Evizero/Augmentor.jl
使用pip安装:
pip install Augmentor
从源码安装的话,请看编译文档。升级版本的话:
pip install Augmentor --upgrade
文档
完整的文档链接: http://augmentor.readthedocs.io
快速指南和使用
Augmentor的目的是进行自动的图像增强(生成人造数据)为了扩展数据集作为机器学习算法的输入,特别是神经网络和深度学习。
这个包通过创建一个增强的pipeline,即定义一系列的操作。这些操作有比如旋转和变换,一个加一个成为一个增强的pipeline,当完成的时候,pipeline可以执行,增强之后的数据也创建成功。
开始时,需要初始化pipeline对象,指向一个文件夹。
import
然后可以在pipeline对象中添加操作:
p
每个函数需要制定一个概率,用来决定是否需要对这个图像进行这个操作。
一旦你创建了pipeline,可以从中进行采样,就像这样:
p
这样会产生10000个增强之后的图像。默认会写到指定文件夹中的名为output的目录中,这个指定文件夹就是初始化时指定的那个。
如果你想进行一次图像的增强操作,可以使用process():
p
这个函数在进行数据集缩放的