深度学习：Pytorch图像增强方法

张起灵ovo

于 2024-07-30 20:14:43 发布

阅读量306

点赞数 2

分类专栏：深度学习文章标签：深度学习 pytorch 人工智能

本文链接：https://blog.csdn.net/weixin_50164178/article/details/140805661

版权

深度学习专栏收录该内容

4 篇文章 0 订阅

订阅专栏

PyTorch 的 torchvision 库提供了许多图像增强方法，可以在数据预处理和数据扩增过程中使用。这些方法大多位于 torchvision.transforms 模块中，常用的有：

transforms.Resize: 调整图像大小。
transforms.CenterCrop: 从图像中心裁剪一个指定大小的区域。
transforms.RandomResizedCrop: 随机裁剪图像，并调整到指定大小。
transforms.RandomHorizontalFlip: 随机水平翻转图像。
transforms.RandomVerticalFlip: 随机垂直翻转图像。
transforms.RandomRotation: 随机旋转图像。
transforms.ColorJitter: 随机更改图像的亮度、对比度、饱和度和色调。
transforms.RandomGrayscale: 随机将图像转换为灰度图像。
transforms.Normalize: 规范化图像。
transforms.ToTensor: 将 PIL 图像或 NumPy 数组转换为张量。
transforms.Lambda: 应用任意的 lambda 函数来转换图像。
transforms.RandomAffine: 随机执行仿射变换，如平移、缩放和旋转。
transforms.RandomPerspective: 随机改变图像的透视视角。