PyTorch :transforms 数据增强:裁剪、翻转、旋转
在之前课程中,我们已经熟悉了 PyTorch 中
transforms
的运行机制,它提供了大量的图像增强方法,例如裁剪、旋转、翻转等等,以及可以自定义实现增强方法。本节课中,我们将进一步学习transforms
中的图像增强方法。
1. 数据增强
数据增强 (Data Augmentation) 又称为数据增广、数据扩增,它是对 训练集 进行变换,使训练集更丰富,从而让模型更具 泛化能力。
例子:
例子:
2. transforms 裁剪
transforms.CenterCrop
功能:从图像中心裁剪图片。
|
主要参数:
size
:所需裁剪图片尺寸。
代码示例:
我们有一个 224 $\times$ 224 的图片,我们将其从中心裁剪为 196 $\times$ 196 的图片。
|
transforms.RandomCrop
功能:从图片中随机裁剪出尺寸为 size
的图片。
|
主要参数:
size
:所需裁剪图片尺寸。padding
:设置填充大小。- 当为
a
时,上下左右均填充a
个像素。 - 当为
(a, b)
时, 上下填充b
个像素, 左右填充a
个像素。 - 当为
(a, b, c, d)
时,左、上、右、下分别填充a
、b
、c
、d
个像素。
- 当为
pad_if_need
:若图像小于设定size
,则填充,此时该项需要设置为True
。padding_mode
:填充模式,有 4 种模式:constant
:像素值由fill
设定。edge
:像素值由图像边缘像素决定。reflect
:镜像填充,最后一个像素不镜像,例如[1, 2, 3, 4]
$\to$[3, 2, 1, 2, 3, 4, 3, 2]
。symmetric
:镜像填充,最后一个像素镜像,例如[1, 2, 3, 4]
$\to$[2, 1, 1, 2, 3, 4, 4, 3]
。
fill
:padding_mode = 'constant'
时,设置填充的像素值。
transforms.RandomResizedCrop
功能:随机大小、长宽比裁剪图片。
|
主要参数:
size
:所需裁剪图片尺寸。scale
:随机裁剪面积比例,默认(0.08, 1)
。ratio
:随机长宽比,默认(3/4, 4/3)
。interpolation
:插值方法。PIL.Image.NEAREST
PIL.Image.BILINEAR
PIL.Image.BICUBIC
transforms.FiveCrop
功能:在图像的上下左右以及中心裁剪出尺寸为 size
的 5 张图片。
|
主要参数:
size
:所需裁剪图片尺寸。
代码示例:
|
transforms.TenCrop
功能:在图像的上下左右以及中心裁剪出尺寸为 size
的 5 张图片,并对这 5 张图片进行水平或者垂直镜像获得 10 张图片。
|
主要参数:
size
:所需裁剪图片尺寸。vertical_flip
:是否垂直翻转。
代码示例:
|
3. transforms 翻转、旋转
3.1 transforms 翻转
transforms.RandomHorizontalFlip
功能:依概率水平(左右)翻转图片。
|
主要参数:
p
:翻转概率。
transforms.RandomVerticalFlip
功能:依概率垂直(上下)翻转图片。
|
主要参数:
p
:翻转概率。
3.2 transforms 旋转
transforms.RandomRotation
功能:随机旋转图片。
|
主要参数:
degrees
:旋转角度。- 当为
a
时,在(-a, a)
之间随机选择旋转角度。 - 当为
(a, b)
时,在(a, b)
之间随机选择旋转角度。
- 当为
resample
:重采样方法。expand
:是否扩大图片,以保持原图信息。center
:旋转点设置,默认中心旋转。
例子:
4. 总结
本节课中,我们学习了数据预处理模块 transforms 中的数据增强方法:裁剪、翻转和旋转。在下次课程中 ,我们将会学习 transforms 中的其他数据增强方法。
来自:YEY 的博客
PyTorch :transforms 数据增强:裁剪、翻转、旋转相关推荐
- pytorch实现数据增强的原理
pytorch的数据增强功能并非是事先对整个数据集进行数据增强处理,而是在从dataloader中获取训练数据的时候(获取每个epoch的时候)才进行数据增强. 举个例子,如下面的数据增强代码: tr ...
- pytorch图像数据增强N大技巧
数据增强对深度神经网络的训练来说是非常重要的,尤其是在数据量较小的情况下能起到扩充数据的效果. 还记得当时在学习过拟合的解决方法的时候,就有一条就是数据增强,那么我们这次来学习下,在 pytorch ...
- PyTorch:RNN,TensorBoard,部署PyTorch,数据增强
1,循环神经网络(RNN) 1.1,基本概述 大脑区别于机器的一个最大的特征就是有记忆,并且能够根据自己的记忆对未知的事务进行推导,思想拥有持久性的.由于传统的神经网络没有设计记忆结构,因此在处理序列 ...
- PyTorch 学习笔记(二):PyTorch的数据增强与数据标准化
本文截取自<PyTorch 模型训练实用教程>,获取全文pdf请点击:https://github.com/tensor-yu/PyTorch_Tutorial 文章目录 transfor ...
- 数据增强之图像旋转及坐标对应(附代码)
海康威视研究院ImageNet2016竞赛经验分享 深度学习之图像的数据增强 data augmentation 数据增强方法总结 图片的数据增强(Data Augmentation)方法 openc ...
- python实现数据增强(翻转,旋转),并对应修改xml文件
import os import cv2 import xml.dom.minidom from xml.dom.minidom import Document import math# 获取路径下所 ...
- 使用PyTorch和Albumentations进行数据增强与损失函数
数据扩增 Part 1 数据读取与数据扩增 图像读取 数据扩增 基于图像处理的数据扩增 几何变换 灰度和彩色空间变换 添加噪声和滤波 图像混合(Mixing images) 随机搽除(Random e ...
- pytorch transforms图像增强
一.前言 在学习自己的项目发现自己有很多基础知识不牢,对于图像处理有点不太清楚,因此写下来作为自己的笔记,主要是我想自己动手写一下每一句代码到底做了什么,而不是单纯的我看了知道了它做了什么,说白了,不 ...
- 【随笔】深度学习的数据增强还分在线和离线?
之前看深度学习的文章,基本都在数据预处理部分进行了数据增强. 什么旋转.跳跃.我不停歇~ 不对,不对.是旋转.平移.裁剪等操作. 所以最近在做目标检测时,废话不多说,先把数据增强的代码整上去! fro ...
最新文章
- php将图片链接转换为base64编码文件流
- Calendar类点点滴滴积累
- IOS开发之UI手势
- iOS多线程GCD 研究
- 基于nginx实现反向代理
- 互斥信号量解决任务间资源共享问题
- leetcode 376. Wiggle Subsequence | 376. 摆动序列(动态规划)
- 数据采集工具flume
- 百度高级Java三面题目!涵盖JVM +Java锁+分布式等
- 基于中文主观性知识库的句子主观性计算项目
- 信息学奥赛C++语言:火柴盒
- CMD 命令行实现 Windows 下复制文件到文件夹下的所有文件夹
- silvaco的石墨烯fet仿真_添加不到1‰,碳纤维强度蹭蹭往上提!《Science Advances》:添加少量石墨烯可大幅度提高碳纤维强度...
- android学习---开发Google地图应用程序
- 三、Python复习教程(重点)- 前端框架实战
- 2022全国大学生数学建模A题的思路与解法
- 数据挖掘概念与技术13--BUC
- 用了移动路由4G路由2 Pro Wi-Fi也能变成随身专属
- [附源码]Python计算机毕业设计广东理工学院大学生社团管理系统Django(程序+LW)
- 基于vue手写一个分屏器,通过鼠标控制屏幕宽度。
热门文章
- 2022 hgame pwn wp
- Activiti 6研究01 - 流程文件的手动导入
- 20221127|PMP考前必看|PMP考试通关宝典
- 提供人工智能技术的能力时,需要考虑哪三个方面?
- Lake Shore 625 型超导磁体电源
- SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network
- 这台计算机似乎没有安装操作系统_前沿科技 | 我国科学家成功研制全球神经元规模最大的类脑计算机...
- uwsgi多线程阻塞的问题导致接口一会儿正常一会报服务器错误
- python操作postgre库,批量进行增删改查和计时比较效率,封装好的普通增删改查和批量增删改查类拿来即用
- 读 曹林的《人脸识别与人体动作识别技术及应用》笔记