作者:Prabowo Yoga Wicaksana
来源:DeepHub IMBA
机器学习或深度学习模型的训练的目标是成为“通用”模型。这就需要模型没有过度拟合训练数据集,或者换句话说,我们的模型对看不见的数据有很好的了解。数据增强也是避免过度拟合的众多方法之一。
扩展用于训练模型的数据量的过程称为数据增强。通过训练具有多种数据类型的模型,我们可以获得更“泛化”的模型。“多种数据类型”是什么意思呢?本片文章只讨论“图像”数据增强技术,只详细地介绍各种图片数据增强策略。我们还将使用 PyTorch 动手实践并实现图像数据或计算机视觉中主要使用的数据增强技术。
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275709-1.jpg)
因为介绍的是数据增强技术。所以只使用一张图片就可以了,我们先看看可视话的代码
import PIL.Image as Image import torch from torchvision import transforms import matplotlib.pyplot as plt import numpy as np import warnings def imshow(img_path, transform): """ Function to show data augmentation Param img_path: path of the image Param transform: data augmentation technique to apply """ img = Image.open(img_path) fig, ax = plt.subplots(1, 2, figsize=(15, 4)) ax[0].set_title(f'Original image {img.size}') ax[0].imshow(img) img = transform(img) ax[1].set_title(f'Transformed image {img.size}') ax[1].imshow(img)
Resize/Rescale
此函数用于将图像的高度和宽度调整为我们想要的特定大小。下面的代码演示了我们想要将图像从其原始大小调整为 224 x 224。
path = './kitten.jpeg' transform = transforms.Resize((224, 224)) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275710-2.png)
Cropping
该技术将要选择的图像的一部分应用于新图像。例如,使用 CenterCrop 来返回一个中心裁剪的图像。
transform = transforms.CenterCrop((224, 224)) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275728-3.png)
RandomResizedCrop
这种方法同时结合了裁剪和调整大小。
transform = transforms.RandomResizedCrop((100, 300)) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275729-4.png)
Flipping
水平或垂直翻转图像,下面代码将尝试应用水平翻转到我们的图像。
transform = transforms.RandomHorizontalFlip() imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275730-5.png)
Padding
填充包括在图像的所有边缘上按指定的数量填充。我们将每条边填充50像素。
transform = transforms.Pad((50,50,50,50)) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275731-6.png)
Rotation
对图像随机施加旋转角度。我们将这个角设为15度。
transform = transforms.RandomRotation(15) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275732-7.png)
Random Affine
这种技术是一种保持中心不变的变换。这种技术有一些参数:
- degrees:旋转角度
- translate:水平和垂直转换
- scale:缩放参数
- share:图片裁剪参数
- fillcolor:图像外部填充的颜色
transform = transforms.RandomAffine(1, translate=(0.5, 0.5), scale=(1, 1), shear=(1,1), fillcolor=(256,256,256)) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275733-8.png)
Gaussian Blur
图像将使用高斯模糊进行模糊处理。
transform = transforms.GaussianBlur(7, 3) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275734-9.png)
Grayscale
将彩色图像转换为灰度。
transform = transforms.Grayscale(num_output_channels=3) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275735-10.png)
颜色增强,也称为颜色抖动,是通过改变图像的像素值来修改图像的颜色属性的过程。下面的方法都是颜色相关的操作。
Brightness
改变图像的亮度当与原始图像对比时,生成的图像变暗或变亮。
transform = transforms.ColorJitter(brightness=2) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275736-11.png)
Contrast
图像最暗和最亮部分之间的区别程度被称为对比度。图像的对比度也可以作为增强进行调整。
transform = transforms.ColorJitter(contrast=2) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275737-12.png)
Saturation
图片中颜色的分离被定义为饱和度。
transform = transforms.ColorJitter(saturation=20) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275738-13.png)
Hue
色调被定义为图片中颜色的深浅。
transform = transforms.ColorJitter(hue=2) imshow(path, transform)
![](https://cdn.eetrend.com/files/2022-10/%E5%8D%9A%E5%AE%A2/100565055-275739-14.png)
总结
图像本身的变化将有助于模型对未见数据的泛化,从而不会对数据进行过拟合。以上整理的都是我们常见的数据增强技术,torchvision中还包含了很多方法,可以在他的文档中找到:https://pytorch.org/vision/stable/transforms.html
本文转自: DeepHub IMBA,转载此文目的在于传递更多信息,版权归原作者所有。如不支持转载,请联系小编demi@eetrend.com删除。