transforms
- transforms运行机制
torchvision.transforms:常用的图像预处理方法
torchvision.datasets:常用数据及的dataset实现,mnist,cifar-10,imagenet等
torchvision.model:常用的模型与训练,AlexNet,VGG,ResNet,GoogLeNet等
torchvision:计算机视觉工具包
我们对图片进行预处理的图像增强,主要就是增加图片的泛化能力,丰富训练数据。
泛化能力(generalization ability)是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据背后的规律,对具有同一规律的学习集以外的数据,经过训练的网络也能给出合适的输出,该能力称为泛化能力。
- 数据标准化——transform.normalize
transforms.Normalize(mean,std,inplace=False)
逐channel对图像进行标准化
output = (input - mean) / std
- mean:各通道的均值
- std:各通道的标准差
- inplace:是否原地操作数据标准化的目的:
在于标准化后能够使整体数据样本接近于0,在进行sigmoid激活函数时候能够发现收敛速度更快
transforms ——裁剪
- crop 裁剪
transforms.CenterCrop,从图像中心裁剪图片,size(所需要的裁剪图片尺寸)
from PIL import Image
from torchvision import transforms
x_img = Image.open("paper.jpg").convert('RGB')
x_img = transforms.CenterCrop((88, 10))(x_img)
x_img.show()
- RandomCrop
transforms.RandomCrop(size,padding=None,pad_if_needed=False,fill=0,padding_mode='constant')
- size:尺寸
- padding:设置填充大小
当为a时,上下左右均填充a个像素
当为(a,b)时,上下填充b个像素,左右填充a个像素
当为(a,b,c,d)时,左上右下分别填充a,b,c,d - pad_if_need:若图像小于设定size,则填充
- padding_mode:填充模式,有四种:
- constant:像素值由fill设定
- edge:像素值由图像边缘像素决定
- reflect:镜像填充,最后一个像素不镜像,eg:[1,2,3,4]->[3,2,1,2,3,4,3,2]
- symmetric:镜像填充,最后一个像素镜像,eg:[1,2,3,4]->[2,1,1,2,3,4,4,3]
- fill:constant时,设置填充的像素值
flag = True
# flag = False
if flag:
x_img = Image.open("face.jpg").convert('RGB')
x_img = transforms.RandomCrop((900,200), padding=100, fill=(255,0,0))(x_img) # 如果裁剪像素大于原始,则需要进行pad_if_needed
x_img.show()
- RandomResizedCrop
随机大小、长宽比裁剪图片
RandomResizedCrop(size,scale=(0.08,1.0),ratio=(3/4,4,3),interpolation)
- scale:随机裁剪面积比例,默认(0.08, 1)
- ratio:随机长宽比,默认(3/4,4/3)
- interpolation:插值方法
PIL.Image.NEAREST
PIL.Image.BILINEAR
PIL.Image.BICUBIC
flag = True
# flag = False
if flag:
x_img = Image.open("paper.jpg").convert('RGB')
x_img = transforms.RandomResizedCrop((400,200),scale=(0.5,1.0),
ratio=(3./4,4./3),
interpolation=0)(x_img)
x_img.show()
- FiveCrop
# ===================04 FiveCrop=================
flag =True
# flag = False
if flag:
x_img = Image.open("face.jpg").convert('RGB')
x_img1, x_img2, x_img3, x_img4, x_img5 = transforms.FiveCrop((300,300))(x_img)
x_img2.show()
- TenCrop
在图像的上下左右以及中心裁剪出尺寸为size的5张图片,TenCrop对这5张图片进行水平或者垂直镜像获得10张图片
- size:所需裁剪图片尺寸
- vertical_flip:是否垂直翻转
# ===================05 TenCrop=================
flag =True
# flag = False
if flag:
x_img = Image.open("face.jpg").convert('RGB')
x_img1, x_img2, x_img3, x_img4, x_img5 \
,x_img6 ,x_img7,x_img8,x_img9,x_img10= transforms.TenCrop((300,300),vertical_flip=True)(x_img)
x_img7.show()
transforms——翻转、旋转
- transforms flip
- RandomHorizontalFlip
- RandomVerticalFilp
# ===================06 Flip=================
flag = True
# flag = False
if flag:
x_img = Image.open("face.jpg")
x_imgd = transforms.RandomVerticalFlip(p=1)(x_img)
plt.imshow(x_imgd)
plt.show()
- RandomRoatation
随机旋转图片
RandomRotation(degress, resample=False, expand=False, center=None)
- degress:旋转角度
为a时,在(-a,a)之间选择旋转角度
为(a,b)时,在(a,b)之间选择旋转角度 - resample:重采样方法
- expand:是否扩大图片,保持原图信息
# ===================07 Rotation==============
flag = True
# flag = False
if flag:
x_img = Image.open("face.jpg")
x_imgd = transforms.RandomRotation(60, resample=Image.BILINEAR, expand=True, center=(40,80))(x_img)
x_imgd.show()