【小白學PyTorch】7 最新版本torchvision.transforms常用API翻譯與講解

文章來自:微信公衆號【機器學習煉丹術】。歡迎關注支持原創
也歡迎添加作者微信:cyx645016617.

參考目錄:

老樣子,先看官方對torchvision.transforms的介紹:

這個Transforms是常見的圖像的轉換(包含圖像增強等), 然後不同的transforms可以通過Compose函數連接起來(類似於Sequence把網絡層連接起來一樣的感覺)。後面的是關於圖像分割任務了的介紹,因爲入門PyTorch主要是圖像分類,所以後面先不提了。

1 基本函數

1.1 Compose

【代碼】

torchvision.transforms.Compose(transforms)

【介紹】

將不同的transform壓縮在一起,這是非常重要的函數

【代碼舉例】

transforms.Compose([
     transforms.CenterCrop(10),
     transforms.ToTensor(),
 ])

1.2 RandomChoice

【代碼】

torchvision.transforms.RandomChoice(transforms)

【介紹】

用法和Compose相同,是在transform的list中隨機選擇1個transform進行執行。

1.3 RandomOrder

【代碼】

torchvision.transforms.RandomOrder(transforms)

【介紹】

用法和Compose相同,是亂序list中的transform。


之前的課程提到了,在torchvision官方的數據集中,提供的數據是PIL格式的數據,然後我們需要轉成FloatTensor形式的數據。因此這裏圖像增強的處理也分成在PIL圖片上操作的和在FloatTensor張量上操作的兩種


2 PIL上的操作

2.1 中心切割CenterCrop

【代碼】

torchvision.transforms.CenterCrop(size)

【介紹】

以PIL圖片中心爲中心,進行圖片切割。比較常用

【參數】
size (sequence or int) – 想要切割出多大的圖片。如果size是一個整數,那麼就切割一個正方形;如果是一個(height,width)的tuple,那麼就切割一個長方形。

【代碼舉例】

transforms.Compose([
     transforms.CenterCrop(10),
     transforms.ToTensor(),
 ])

2.2 隨機切割RandomCrop

【代碼】

torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

【介紹】

和CenterCrop類似,但是是隨機選取中心進行切割的

【參數】

  • size也是可以是int可以是tuple(height,width)
  • padding就是是否對圖片進行填充,你可以輸入2元組,表示左右填充和上下填充,也可以輸入四元組,表示左上右下的填充;
  • pad_if_needed是boolean,一般是True。隨機選取如果選取的比較邊緣,超出了邊界,那麼是否進行填充
  • fill (int),你選擇填充的是0(黑色),還是255(白色)呢?這個盡在padding_mode='constant'時有效
  • padding_mode表示填充的方法。有四種:'constant', 'edge', 'reflect' or 'symmetric' . 默認是constant常數填充。edge是填充邊緣的那個像素值,一般效果比constant強一些,自己做的項目中;reflect和symmetric都是表示以邊界爲軸進行鏡像的填充,區別在於:
    • reflect:[1,2,3,4,5]進行padding=2的時候,那麼就是[3,2,1,2,3,4,5,4,3]
    • symmetric:[1,2,3,4,5]進行padding=2的時候,那麼就是[2,1,1,2,3,4,5,5,4]
    • 區別是否重複邊界的哪一個元素。兩種方法差別不大。

2.3 隨機比例切割

【代碼】

torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333), interpolation=2)

【介紹】

這個比較有意思,隨機大小切割圖片,然後再resize到設置的size大小。

參數中scale控制切割圖片的大小是原圖的比例,然後ratio控制切割圖片的高寬比(縱橫比),默認是從3/4 到 4/3。切割完成後再resize到設置的size大小。這個方法一般用在訓練inception網絡。

2.4 顏色震顫ColorJitter

【代碼】

torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

【介紹】

隨機修改亮度brightness,對比度contrast, 飽和度saturation,色相hue

【參數】

  • brightness (float or tuple (min, max)) – 如果輸入是一個float,那麼建議在選取一個小於1的浮點數。亮度係數會從區間\([max(0, 1 - brightness), 1 + brightness]\)均勻選取,如果我使用這個,我設置brightness是0.1的話,那麼這個係數就是\([0.9,1.1]\)之間隨機選取。如果輸入時一個tuple的話,那麼就是在 \([min,max]\) 中選取。

  • contrast (float or tuple (min, max)) – 和上面一樣,也是一個係數的選取。

  • saturation (float or tuple (min, max)) – 和上面一樣,也是一個係數的選取。

  • hue (float or tuple (min, max)) – hue是色相。這裏色相的取值應該小於0.5。如果輸入時一個float,那麼取值應該\(0<= hue <= 0.5\),係數在\([-hue, hue]\) 選取;如果是tuple,那麼就是\([min, max]\)

2.5 隨機旋轉RandomRotation

【代碼】

torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None, fill=None)

【介紹】

就是隨機的按照角度宣傳圖片

【參數】

  • degrees (int or tuple (min,max)) – 老規矩了,整數旋轉角度就是[-int,int],tuple就是[min,max]

  • expand (bool, optional) – True就是讓擴大圖片,讓圖片可以包括所有內容(圖片旋轉的話,四個角的信息其實是旋轉到了圖片的外面,這個是擴大圖片的像素尺寸,如果True在後面還要接一個resize的transforms); 默認是False,旋轉後的圖片和輸入圖片是同樣的尺寸。

  • center (2-tuple, optional) – 可以設置成非圖片中心的旋轉

  • fill (n-tuple or int or float) – 設置填充像素值的,默認是0,一般也會選取0.

2.6 灰度化Grayscale

【代碼】

torchvision.transforms.Grayscale(num_output_channels=1)

【介紹】

這個函數雖然不重要,但是會用的話可以提高變成速度哈哈。就是把圖片轉換成灰度的。

【參數】

  • num_output_channels (int) – 正常情況下灰度圖片是單通道的,但是這裏你可以設置成3,這樣的話,會輸出3個通道的灰度圖片(三個通道的特徵值相同),這樣的話,你就不用修改torchvision的預訓練模型中的輸入接口了。(因爲之前提到的,預訓練模型使用ImageNet訓練的,輸入都是三通道彩色圖)

2.7 size

【代碼】

torchvision.transforms.Resize(size, interpolation=2)

【介紹】

把PIL圖片resize成指定大小

【參數】

  • size (tuple(height,width) or int) – tuple的話就直接resize成指定大小;int的話,就按照比例,讓圖片的短邊長度變成int大小。
  • interpolation (int, optional) – 插值方法,一般都使用默認的PIL.Image.BILINEAR雙重線性插值。

2.8 概率隨機(常用)

圖像增強有:變成灰度,鏡像,翻轉,平移,旋轉等。

【代碼】

# 變成灰度,輸入輸出通道數默認相同
torchvision.transforms.RandomGrayscale(p=0.1)
# 隨機水平翻轉
torchvision.transforms.RandomHorizontalFlip(p=0.5)
# 隨機豎直翻轉
torchvision.transforms.RandomVerticalFlip(p=0.5)

【參數】

  • p:表示執行這個transform的概率

3 Tensor上的操作

3.1 標準化Normalize

【代碼】

torchvision.transforms.Normalize(mean, std, inplace=False)

【參數】

  • mean和std都是list,[mean_1,...,mean_n]和[std_1,...,std_n],n爲通道數。每一個通道都應該有一個mean和std。計算的方法是,就是常用的那種:

\(output[channel] = \frac{(input[channel] - mean[channel]) } {std[channel]}\)

4 PIL,Tensor轉換函數

4.1 ToPILImage

torchvision.transforms.ToPILImage(mode=None)

【介紹】

把一個tensor或者np的array轉換成PIL。值得注意的是,如果輸入時Tensor,那麼維度應該是 C x H x W ,如果是numpy的話,是 H x W x C。 (這是一個一般不會出現,但是一旦出現很難想到的問題。)

4.2 ToTensor

torchvision.transforms.ToTensor

【介紹】

把PIL或者numpy轉換成Tensor。PIL和Numpy (格式H x W x C,範圍[0,255]),轉換成Tensor(格式C x H x W,範圍[0,1])

5 案例代碼分析

from PIL import Image
from torchvision import transforms

def loadImage():
    # 讀取圖片
    im = Image.open("brunch.jpg")
    im = im.convert("RGB")
    im.show()
    return im
im = loadImage()

圖片是我在英國留學的時候,有一道菜叫無花果土司,雖然不好喫但是好看,原圖:

#從中心裁剪一個600*600的圖像
output = transforms.CenterCrop(600)(im)
output.show()

# 從中心裁一個長爲600,寬爲800的圖像
output = transforms.CenterCrop((600,800))(im)
output.show()

#隨機裁剪一個600*600的圖像
output = transforms.RandomCrop(600)(im)
output.show()

#隨機裁剪一個600*800的圖像
output = transforms.RandomCrop((600,800))(im)
output.show()

#從上、下、左、右、中心各裁一個300*300的圖像
outputs = transforms.FiveCrop(300)(im)
outputs[4].show()

類似的圖片,就不佔用painful了

#p默認爲0.5,這裏設成1,那麼就肯定會水平翻轉
output = transforms.RandomHorizontalFlip(p=1.0)(im)
output.show()

output = transforms.RandomVerticalFlip(p=1)(im)
output.show()

#在(-30,30)之間選擇一個角度進行旋轉
output = transforms.RandomRotation(30)(im)
output.show()

#在60-90之間選擇一個角度進行旋轉
output = transforms.RandomRotation((60,90))(im)
output.show()

output = transforms.Resize((400,500))(im)
output.show()

這個圖像一樣就尺寸變小了,就不放圖了。

trans = transforms.Compose([transforms.CenterCrop(300),
                            transforms.RandomRotation(30),
                            ])
output = trans(im)
output.show()

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章