深度学习框架之《数据增强》

pytorch篇数据增强

torchvision.transforms，举例如下：

import torchvision.transforms as transforms

data_transforms = transforms.Compose([
        transforms.RandomResizedCrop(224),
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])

transforms.Compose(transforms) 方法是将多种变换组合在一起。

函数

1. torchvision.transforms.Normalize(mean, std)：用给定的均值和标准差分别对每个通道的数据进行正则化
2. torchvision.transforms.ToTensor ：把一个取值范围是[0,255]的PIL.Image或者shape为(H,W,C)的numpy.ndarray，转换成形状为[C,H,W]，取值范围是[0,1.0]的torch.FloadTensor
3. torchvision.transforms.ToPILImage：将shape为(C,H,W)的Tensor或shape为(H,W,C)的numpy.ndarray转换成PIL.Image，值不变。
4. torchvision.transforms.CenterCrop(size):将给定的PIL.Image进行中心切割，得到给定的size，size可以是tuple，(target_height, target_width)。size也可以是一个Integer，在这种情况下，切出来的图片的形状是正方形。
5. torchvision.transforms.RandomCrop(size, padding=0):切割中心点的位置随机选取。size可以是tuple也可以是Integer。
6. torchvision.transforms.RandomHorizontalFlip：随机水平翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。
7. torchvision.transforms.RandomVerticalFlip(p=0.5)：按照概率p对PIL图片进行垂直翻转
8. torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None, fill=None)：按照degree随机旋转一定角度，加入degree是10，就是表示在（-10，10）之间随机旋转，如果是（30，60），就是30度到60度随机旋转；
9. torchvision.transforms.RandomSizedCrop(size, interpolation=2)：先将给定的PIL.Image随机切，然后再resize成给定的size大小。
10. torchvision.transforms.Pad(padding, fill=0)：将给定的PIL.Image的所有边用给定的pad value填充。 padding：要填充多少像素 fill：用什么值填充
11. torchvision.transforms.Pad(brightness=0, contrast=0, saturation=0, hue=0）：改变图片的属性，brightness亮度、contrast对比度、saturation饱和度、hue色调
    其他参考