一、數據增強方法:
1. 對圖片進行比例縮放
2. 對圖片進行隨機位置的截取
3. 對圖片進行隨機水平和豎直翻轉
4. 對圖片進行隨機角度的旋轉
5. 對圖片進行亮度、對比度和顏色隨機變化
二、Torch中已經把這些方法內置在了torchvision中,可以直接調用
from PIL import Image
from torchvision import transforms as tfs
im = Image.open('../input/cat.jpg')
im
1. 隨機比例縮放
使用:torchvision.transforms.Resize(),參數1表示縮放圖片大小,可以爲tuple,參數2表示縮放方法,默認爲雙線性插值
print('before scale, shape: {}'.format(im.size))
new_im = tfs.Resize((100,200))(im)
print('after scale, shape: {}'.format(new_im.size))
new_im
before scale, shape: (121, 121)
after scale, shape: (200, 100)
2.隨機位置截取
使用:
(1)torchvision.transforms.RandomCrop(),參數爲截取圖片的大小
(2)torchvision.transforms.CenterCrop(),參數爲截取圖片的大小,但以原始圖片的中心爲中心
# 隨機裁剪
random_im = tfs.RandomCrop((60, 60))(im)
random_im
# 中心裁剪
center_im = tfs.CenterCrop((60, 60))(im)
center_im
3.隨機水平和豎直翻轉
使用torchvision.transforms.RandomHorizontalFlip() 和torchvision.transforms.RandomVerticalFlip()
無參數
horizontal_im = tfs.RandomHorizontalFlip()(im)
horizontal_im
vertical_im = tfs.RandomVerticalFlip()(im)
vertical_im
4.隨機角度旋轉
使用:torchvision.transforms.RandomRotation()。參數爲旋轉的角度。比如20,則會隨機在-20~20之間進行旋轉
rotation_im = tfs.RandomRotation(45)(im)
rotation_im
5. 亮度、對比度和顏色
torchvision.transforms.ColorJitter()。參數1爲亮度,參數2爲對比度,參數3爲飽和度
bright_im = tfs.ColorJitter(brightness=1)(im) #隨機在0~2之間變化,1
bright_im
contrast_im = tfs.ColorJitter(contrast=1)(im) #隨機在0~2之間變化,
contrast_im
color_im = tfs.ColorJitter(hue=0.5)(im) # 隨機從 -0.5 ~ 0.5 之間變化
color_im
三、聯合使用數據增強方法
使用 torchvision.transforms.Compose()。利用List進行組裝,然後傳遞給Compose
im_aug = tfs.Compose([
tfs.Resize(120),
tfs.RandomHorizontalFlip(),
tfs.RandomCrop(96),
tfs.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5)
])
import matplotlib.pyplot as plt
%matplotlib inline
nrows = 3
ncols = 3
figsize = (8, 8)
fig, figs = plt.subplots(nrows, ncols, figsize=figsize)
for i in range(nrows):
for j in range(ncols):
figs[i][j].imshow(im_aug(im))
figs[i][j].axes.get_xaxis().set_visible(False)
figs[i][j].axes.get_yaxis().set_visible(False)
plt.show()
四、使用數據增強
(1)訓練集採用數據增強
def train_tf(x):
im_aug = tfs.Compose([
tfs.Resize(120),
tfs.RandomHorizontalFlip(),
tfs.RandomCrop(96),
tfs.ColorJitter(brightness=0.5, contrast=0.5, hue=0.5),tfs.ToTensor(),
tfs.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
])
x = im_aug(x)
return x
(2)測試集不採用數據增強
def test_tf(x):
im_aug = tfs.Compose([
tfs.Resize(96),
tfs.ToTensor(),
tfs.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])
])
x = im_aug(x)
return x
訓練過程省略。。。。。。