阿里云天池cv入门赛记录（2）——TASK2 数据读取与数据扩增

经过前几天的pytorch安装、anaconda重装等一系列问题，cv小白终于把baseline跑通了！！但是，对于代码仍然有很多地方不理解，好在从TASK2开始，就是对问题的详细讲解了。

任务二的主要内容是数据读取、数据扩增方法和Pytorch读取赛题数据三个部分。

一、常用的图像读取方法
对于图像数据的处理，首先需要完成对图像数据的读取操作，在Pytorch中有很多库可以完成，比较常见的有Pillow和OpenCV。（之前只用过openCV做图像变换，没有了解过Pillow）
1、Pillow
首先放上Pillow的官方文档：https://pillow.readthedocs.io/en/stable/

读取操作可以查看文档中Image的详细用法

这里教程中指出Pillow可以与ipython notebook无缝集成，是应用比较广泛的库（不知道ipython notebook是啥），同时给出了常用的读取代码和效果。

效果	代码
	from PIL import Image # 导入Pillow库 im = Image.open('cat,jpg') # 读取图片
	from PIL import Image, ImageFilter im = Image.open('cat.jpg') im2 = im.filter(ImageFilter.BLUR) im2.save('blur.jpg', 'jpeg') # 应用模糊滤镜
	from PIL import Image im = Image.open('cat.jpg') im.thumbnail((w//2,h//2)) # 改变图片大小 im.save('thumbnail.jpg', 'jpeg')

2、OpenCV
仍然是先放上官网：https://opencv.org/
OpenCV扩展算法库：https://github.com/opencv/opencv_contrib

OpenCV发展的非常早，拥有众多的及算你视觉、数字图像处理和机器视觉等功能，在功能上比Pillow强大很多，学习成本也更高。

效果	代码
	import cv2 #导入Opencv库 img = cv2.imread(‘cat.jpg’) #Opencv默认颜色通道顺序是BGR，转换一下顺序 img = cv2.cvtColor(img.cv2.COLOR_BGR2RGB)
	import cv2 #导入Opencv库 img = cv2.imread(‘cat.jpg’) img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转换为灰度图
	import cv2 #导入Opencv库 img = cv2.imread(‘cat.jpg’) img = cv2.cvtColor(img.cv2.COLOR_BGR2GRAY) edges = cv2.Canny(img, 30, 70) cv2.imwrite(‘canny.jpg’, edges) #Canny边缘检测

此外，Opencv还内置了很多图像特征处理算法，如关键点检测、边缘检测和直线检测等。

二、数据扩增方法

在本次赛题中，我们需要对图像进行字符识别，在读取数据后需要完成数据扩增（Data Augmentation）操作。

1、数据扩增为什么有用？
数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。

在深度学习模型的训练中，数据扩增是必不可少的环节。现有深度学习的参数非常多，一般的模型可训练的参数量基本上都是万到百万级别，而训练集样本的数量很难有这么多。

其次数据扩增可以扩展样本空间，假设现在的分类模型需要对汽车进行分类，左边的是汽车A，右边为汽车B。如果不使用任何数据扩增方法，深度学习模型会从汽车车头的角度来进行判别，而不是汽车具体的区别。

2、有哪些数据扩增方法？
对于图像分类，数据扩增一般不会改变标签；对于物体检测、数据扩增会改变物体坐标位置；对于图像分割、数据扩增会改变像素标签。

在常见的数据扩增方法中，一般会从图像颜色、尺寸、形态、空间和像素等角度进行变换。以torchvision为例，常见的数据扩增方法包括：

扩增方法	功能
transforms.CenterCrop	对图片中心进行裁剪
transforms.ColorJitter	对图像颜色的对比度、饱和度和零度进行变换
transforms.FiveCrop	对图像四个角和中心进行裁剪得到五分图像
transforms.Grayscale	对图像进行灰度变换
transforms.Pad	使用固定值进行像素填充
transforms.RandomAffine	随机仿射变换
transforms.RandomCrop	随机区域裁剪
transforms.RandomHorizontalFlip	随机水平翻转
transforms.RandomRotation	随机旋转
transforms.RandomVeticalFlip	随机垂直翻转

在本次赛题中，赛题任务是需要对图像中的字符进行识别，因此对于字符图片并不能进行翻转操作。比如“6”翻转之后就变成“9”.

3、常用的数据扩增库

torchvision:https://github.com/pytorch/vision
Pytorch官方提供的数据扩增库，提供了基本的数据扩增方法，可以无缝与torch进行集成；但数据扩增方法种类较少，且速度中等；

imgaug：https://github.com/aleju/imgaug
imgaug是常用的第三方数据扩增库，提供了多样的数据扩增方法，且组合起来非常方便，速度较快；

albumentations:https://albumentations.readthedocs.io