【深度之眼】【Pytorch打卡第4天】:各种transforms详解
图像增强
裁剪
transforms.CenterCrop
transforms.RandomCrop
功能:从图片中随机裁剪出尺寸为size的图片
• 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
• pad_if_need:若图像小于设定size,则填充
• padding_mode:填充模式,有4种模式
1、constant:像素值由fill设定
2、edge:像素值由图像边缘像素决定
3、reflect:镜像填充,最后一个像素不镜像,eg:[1,2,3,4] → [3,2,1,2,3,4,3,2]
4、symmetric:镜像填充,最后一个像素镜像,eg:[1,2,3,4] → [2,1,1,2,3,4,4,3]
• fill: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
• 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.BICUBICFiveCrop
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,TenCrop对这5张图片进行水平或者垂直镜像获得10张图片。
• size:所需裁剪图片尺寸
• vertical_flip:是否垂直翻转
翻转和旋转
RandomHorizontalFlip
RandomVerticalFlip
功能:依概率水平(左右)或垂直(上下) 翻转图片
• p:翻转概率RandomRotation
功能:随机旋转图片
• degrees:旋转角度
当为a时,在(-a,a)之间选择旋转角度
当为(a, b)时,在(a, b)之间选择旋转角度
• resample:重采样方法
• expand:是否扩大图片
• center:旋转中心,默认是中心点
代码
train_transform = transforms.Compose([transforms.Resize((224, 224)),# 1 CenterCrop# transforms.CenterCrop(512), # 512# 2 RandomCrop# transforms.RandomCrop(224, padding=16),# transforms.RandomCrop(224, padding=(16, 64)),# transforms.RandomCrop(224, padding=16, fill=(255, 0, 0)),# transforms.RandomCrop(512, pad_if_needed=True), # pad_if_needed=True# transforms.RandomCrop(224, padding=64, padding_mode='edge'),# transforms.RandomCrop(224, padding=64, padding_mode='reflect'),# transforms.RandomCrop(1024, padding=1024, padding_mode='symmetric'),# 3 RandomResizedCrop# transforms.RandomResizedCrop(size=224, scale=(0.5, 0.5)),# 4 FiveCrop# transforms.FiveCrop(112),# transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])),# 5 TenCrop# transforms.TenCrop(112, vertical_flip=False),# transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])),# 1 Horizontal Flip# transforms.RandomHorizontalFlip(p=1),# 2 Vertical Flip# transforms.RandomVerticalFlip(p=0.5),# 3 RandomRotation# transforms.RandomRotation(90),# transforms.RandomRotation((90), expand=True),# transforms.RandomRotation(30, center=(0, 0)),# transforms.RandomRotation(30, center=(0, 0), expand=True), # expand only for center rotationtransforms.ToTensor(),transforms.Normalize(norm_mean, norm_std),
])
图像变换
Pad
功能:对图片边缘进行填充
• 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
• padding_mode:填充模式,有4种模式,constant、edge、reflect和symmetric
• fill:constant时,设置填充的像素值,(R, G, B) or (Gray)ColorJitter
功能:调整亮度、对比度、饱和度和色相
• brightness:亮度调整因子
当为a时,从[max(0, 1-a), 1+a]中随机选择
当为(a, b)时,从[a, b]中
• contrast:对比度参数,同brightness
• saturation:饱和度参数,同brightness
• hue:色相参数,当为a时,从[-a, a]中选择参数,注: 0<= a <= 0.5;当为(a, b)时,从[a, b]中选择参数,注:-0.5 <= a <= b <= 0.5Grayscale
RandomGrayscale
功能:依概率将图片转换为灰度图
• num_ouput_channels:输出通道数,只能设1或3
• p:概率值,图像被转换为灰度图的概率RandomAffine
功能:对图像进行仿射变换,仿射变换是二维的线性变换,由五种基本原子变换构成,分别是旋转、平移、缩放、错切和翻转
• degrees:旋转角度设置
• translate:平移区间设置,如(a, b), a设置宽(width),b设置高(height) 图像在宽维度平移的区间为 -img_width * a < dx < img_width * a
• scale:缩放比例(以面积为单位)
• fill_color:填充颜色设置
• shear:错切角度设置
• resemble:重采样方式,有NEAREST、BILINEARRandomErasing
功能:对图像进行随机遮挡
• p:概率值,执行该操作的概率
• scale:遮挡区域的面积
• ratio:遮挡区域长宽比
• value:设置遮挡区域的像素值,(R, G, B) or (Gray)transforms.Lambda
功能:用户自定义lambda方法
• lambd:lambda匿名函数
lambda [arg1 [,arg2, … , argn]] : expression
transforms的操作
transforms.RandomChoice
功能:从一系列transforms方法中随机挑选一个transforms.RandomApply
功能:依据概率执行一组transforms操作transforms.RandomOrder
功能:对一组transforms操作打乱顺序
自定义transforms
- 仅接收一个参数,返回一个参数
- 注意上下游的输出与输入
椒盐噪声
椒盐噪声又称为脉冲噪声,是一种随机出现的白点或者黑点, 白点称为盐噪声, 黑色为椒噪声
信噪比(Signal-Noise Rate, SNR)是衡量噪声的比例,图像中为图像像素的 占比
总结
一、裁剪
• 1. transforms.CenterCrop
• 2. transforms.RandomCrop
• 3. transforms.RandomResizedCrop
• 4. transforms.FiveCrop
• 5. transforms.TenCrop
二、翻转和旋转
• 1. transforms.RandomHorizontalFlip
• 2. transforms.RandomVerticalFlip
• 3. transforms.RandomRotation
三、图像变换
• 1. transforms.Pad
• 2. transforms.ColorJitter
• 3. transforms.Grayscale
• 4. transforms.RandomGrayscale
• 5. transforms.RandomAffine
• 6. transforms.LinearTransformation
• 7. transforms.RandomErasing
• 8. transforms.Lambda
• 9. transforms.Resize
• 10. transforms.Totensor
• 11. transforms.Normalize
四、transforms的操作
• 1. transforms.RandomChoice
• 2. transforms.RandomApply
• 3. transforms.RandomOrder
【深度之眼】【Pytorch打卡第4天】:各种transforms详解相关推荐
- 深度之眼Pytorch打卡(十三):Pytorch全连接神经网络部件——线性层、非线性激活层与Dropout层(即全连接层、常用激活函数与失活 )
前言 无论是做分类还是做回归,都主要包括数据.模型.损失函数和优化器四个部分.数据部分在上一篇笔记中已经基本完结,从这篇笔记开始,将学习深度学习模型.全连接网络MLP是最简单.最好理解的神经网络, ...
- 深度之眼Pytorch打卡(九):Pytorch数据预处理——预处理过程与数据标准化(transforms过程、Normalize原理、常用数据集均值标准差与数据集均值标准差计算)
前言 前段时间因为一些事情没有时间或者心情学习,现在两个多月过去了,事情结束了,心态也调整好了,所以又来接着学习Pytorch.这篇笔记主要是关于数据预处理过程.数据集标准化与数据集均值标准差计算 ...
- 深度学习之目标检测(五)-- RetinaNet网络结构详解
深度学习之目标检测(五)-- RetinaNet网络结构详解 深度学习之目标检测(五)RetinaNet网络结构详解 1. RetinaNet 1.1 backbone 部分 1.2 预测器部分 1. ...
- Keras深度学习实战(3)——神经网络性能优化技术详解
Keras深度学习实战(3)--神经网络性能优化技术详解 0. 前言 1. 缩放输入数据集 1.1 数据集缩放的合理性解释 1.2 使用缩放后的数据集训练模型 2. 输入值分布对模型性能的影响 3. ...
- 【深度学习/机器学习】为什么要归一化?归一化方法详解
[深度学习/机器学习]为什么要归一化?归一化方法详解 文章目录 1. 介绍 1.1 什么是归一化 1.2 归一化的好处 2. 归一化方法 2.1 最大最小标准化(Min-Max Normalizati ...
- SD卡 (SD miniSD microSD SDIO)知识详解
SD卡 (SD miniSD microSD SDIO)知识详解 SD卡(Secure Digital Memory Card)是一种基于半导体闪存工艺的存储卡, 1999年,由日本松下.东芝及美国S ...
- HTC One V卡刷RUU准备工作 图文教程详解
为什么80%的码农都做不了架构师?>>> HTC One V卡刷RUU准备工作 图文教程详解 相对于线刷,HTC One V卡刷RUU更为方便快捷,不会和普通RUU那样这么容易 ...
- 长虹电视机卡在android,长虹电视视频播放卡怎么办?电视优化教程详解
原标题:长虹电视视频播放卡怎么办?电视优化教程详解 长虹电视视频播放卡怎么办?引起电视视频播放卡顿的原因是多方面的.单单对于长虹电视来说,有可能是因为内存不足,应用不适配.网速或信号不稳等问题导致的. ...
- 【深度之眼PyTorch框架班第五期】作业打卡01:PyTorch简介及环境配置;PyTorch基础数据结构——张量
文章目录 任务名称 任务简介 详细说明 作业 1. 安装anaconda,pycharm, CUDA+CuDNN(可选),虚拟环境,pytorch,并实现hello pytorch查看pytorch的 ...
- 深度之眼课程打卡-python入门05
目录 文章目录 目录 前言 内容 一.数据结构介绍 1.Series的创建 2.DataFrame的创建 二.数据索引index 1.通过索引值或索引标签获取数据 2.自动化对齐 三.利用pandas ...
最新文章
- 笔试题——max pooling滑动窗口实现(python 代码)
- 实现图片打乱_基于混沌Logistic加密算法的图片加密与还原
- mysql语句中事务可靠性_MYSQL中的事务
- 用一个实际例子理解Docker volume工作原理 1
- 搭建串口收发与存储双口RAM简易应用系统
- vue+node实现中间层同步调用接口
- 适用于Java开发人员的Elasticsearch:Java的Elasticsearch
- 学成在线--21.课程信息修改
- Spring-mvc设置@RequestMapping标签更改返回头及@RequestMapping简述
- 饭卡 01背包 DP
- window下Oracle 11G安装文档
- 190331每日一句
- 算法:62唯一路径Unique Paths 动态规划和排列组合算法
- Windows 7常见蓝屏代码解决办法
- 在c语言中以下程序的动能,c语言超星尔雅期末测试答案
- Syslog架设windows日志服务器
- The Flask Mega-Tutorial 之 Chapter 8: Followers
- JAVA -- 正则表达式高级学习技巧
- 用python3爬取天猫商品评论并分析(1)
- 手写由链表设计的简易队列