点击进入专栏:
《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
文章目录
- 数据增强介绍
- albumentations介绍
- Albumentations数据增强方法大全
-
-
- Blur 模糊
- VerticalFlip 水平翻转
- HorizontalFlip 垂直翻转
- Flip 翻转
- Normalize 归一化
- Transpose 转置
- RandomCrop 随机裁剪
- RandomGamma 随机Gamma
- RandomRotate90 随机旋转90度
- Rotate旋转
- ShiftScaleRotate 平移缩放旋转
- CenterCrop 中心裁剪
- OpticalDistortion 光学畸变
- GridDistortion 网格失真
- ElasticTransform 弹性变换
- RandomGridShuffle 随机网格洗牌
- HueSaturationValue 色调饱和度值
- PadIfNeeded 填充
- RGBShift RGB平移
- RandomBrightness 随机亮度
- RandomContrast 随机对比度
- MotionBlur 运动模糊
- MedianBlur 中心模糊
- GaussianBlur 高斯模糊
- GaussNoise 高斯噪声
- CLAHE 对比度受限自适应直方图均衡
- InvertImg 反转图像
- ChannelShuffle 通道洗牌
- Cutout
- CoarseDropout
- ToFloat
- Crop 裁剪
- RandomScale 随机缩放
- LongestMaxSize
- SmallestMaxSize
- Resize缩放
- RandomSizedCrop 随机裁剪缩放
- RandomBrightnessContrast 随机亮度对比度
- RandomCropNearBBox
- ISONoise
- Solarize
-
- Mosaic
- MixUp
- Random Erasing
- CutOut
- CutMix
- HSV
数据增强介绍
1. 前言
这篇文章主要参考 A survey on Image Data Augmentation for Deep Learning, 总结了常用的传统扩增方法及其应用时的注意事项。这里的传统方法指不包括基于深度学习(比如 GAN)等新的扩增方法。
另外需要注意的是,虽然对于不同的任务,比如对于分类,检测任务,不同的任务在采用某一个具体的扩增方法的时候会有所不同,比如对于检测任务需要考虑对 bounding box 进行相应的操作,但是这里仅仅从扩增方法的角度来说是没有区别的。
最后, 数据扩增的具体方法非常多,而且除了各个训练框架提供的方法之外还有很多第三方库,这里仅仅是整理了一些比较常见的扩增方法。更多的扩增方法可以参考第三方库 imgaug,