图像增广
%matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2l
原图
d2l.set_figsize()
img = d2l.Image.open('../img/cat1.jpg')
d2l.plt.imshow(img);
大多数图像增广方法都具有一定的随机性。为了便于观察图像增广的效果,我们下面定义辅助函数apply
。 此函数在输入图像img
上多次运行图像增广方法aug
并显示所有结果。
def apply(img, aug, num_rows=2, num_cols=4, scale=1.5):
Y = [aug(img) for _ in range(num_rows * num_cols)]
d2l.show_images(Y, num_rows, num_cols, scale=scale)
翻转和裁剪
apply(img, torchvision.transforms.RandomHorizontalFlip())
50%几率左右翻转
apply(img, torchvision.transforms.RandomVerticalFlip())
50%几率上下翻转
shape_aug = torchvision.transforms.RandomResizedCrop(
(200, 200), scale=(0.1, 1), ratio=(0.5, 2))
apply(img, shape_aug)
随机裁剪一个面积为原始面积10%到100%的区域,该区域的宽高比从0.5到2之间随机取值。 然后,区域的宽度和高度都被缩放到200像素。
改变颜色
apply(img, torchvision.transforms.ColorJitter(
brightness=0.5, contrast=0, saturation=0, hue=0))
apply(img, torchvision.transforms.ColorJitter(
brightness=0, contrast=0, saturation=0, hue=0.5))
亮度(
brightness
)、对比度(contrast
)、饱和度(saturation
)和色调(hue
)
结合多种图像增广方法
augs = torchvision.transforms.Compose([
torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
apply(img, augs)
用
Compose
实例来整合上面定义的不同的图像增广方法