Pytorch-数据增广

增加一个已有数据集，使得有更多的多样性

在语言里面加入各种不同的背景噪音改变图片的颜色和形状

翻转

左右翻转上下翻转

但是并不总是可行的。 切割

从图片中切割一块，然后变形到固定形状

随机高宽比随机大小随机位置

颜色

改变色调、饱和度、明亮度。

总结：

数据增强通过变形数据来获取多样性从而使得模型泛化性能更好常见图片增强包括翻转、切割、变色

代码实现

随机水平翻转

from PIL import Image from torchvision import transforms image = Image.open("../data/1.jpg") # 水平方向随机翻转 horizontal = transforms.RandomHorizontalFlip() horizontal_out = horizontal(image) horizontal_out.show()

随机垂直翻转

# 垂直方向随机翻转 vertical = transforms.RandomVerticalFlip() vertical_out = vertical(image) vertical_out.show()

随机裁剪

# 随机裁剪 # size 裁剪后重新设置大小为 200 * 200 # 随机裁剪区域大小设置为 从原图大小的10%到100%随机裁剪 # ration：高宽比 resizeCrop = transforms.RandomResizedCrop(size=(200,200),scale=(0.1,0.9),ratio=(0.5,2)) resizeCrop_out = resizeCrop(image) resizeCrop_out.show()

随机更改图像的亮度

# 随机更改图像的亮度 # brightness：亮度，0.5亮度增加/降低50% # contrast：对比度 # saturation：饱和度 # hue：颜色 colorJitter = transforms.ColorJitter(brightness=0.5,contrast=0,saturation=0,hue=0) colorJitter_out = colorJitter(image) colorJitter_out.show()

随机更改图像的色调

# 随机更改图像的色调 colorJitter = transforms.ColorJitter(brightness=0,contrast=0,saturation=0,hue=0.5) colorJitter_out = colorJitter(image) colorJitter_out.show()

常用的是，同时调整，上下50%

colorJitter = transforms.ColorJitter(brightness=0.5,contrast=0.5,saturation=0.5,hue=0.5) colorJitter_out = colorJitter(image) colorJitter_out.show()