快捷導(dǎo)航

基于pytorch實(shí)現(xiàn)對(duì)圖片進(jìn)行數(shù)據(jù)增強(qiáng)

更新時(shí)間：2024年01月05日 10:22:44 作者：草莓橙子碗

圖像數(shù)據(jù)增強(qiáng)是一種在訓(xùn)練機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型時(shí)常用的策略,尤其是在計(jì)算機(jī)視覺領(lǐng)域,具體而言,它通過創(chuàng)建和原始圖像稍有不同的新圖像來擴(kuò)大訓(xùn)練集,本文給大家介紹了如何基于pytorch實(shí)現(xiàn)對(duì)圖片進(jìn)行數(shù)據(jù)增強(qiáng),需要的朋友可以參考下

背景

在進(jìn)行機(jī)器學(xué)習(xí)的任務(wù)中，我們的訓(xùn)練數(shù)據(jù)往往是有限的，在有限的數(shù)據(jù)集上獲得較好的模型訓(xùn)練結(jié)果，我們不僅要在模型結(jié)構(gòu)上下功夫，另一方面也需要對(duì)數(shù)據(jù)集進(jìn)行數(shù)據(jù)增強(qiáng)

圖片數(shù)據(jù)增強(qiáng)

圖像數(shù)據(jù)增強(qiáng)是一種在訓(xùn)練機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型時(shí)常用的策略，尤其是在計(jì)算機(jī)視覺領(lǐng)域。具體而言，它通過創(chuàng)建和原始圖像稍有不同的新圖像來擴(kuò)大訓(xùn)練集。數(shù)據(jù)增強(qiáng)的主要目標(biāo)有以下幾點(diǎn)：

解決過擬合：過擬合是指模型在訓(xùn)練集上表現(xiàn)得過于優(yōu)秀，但是在測(cè)試集（即未見過的新數(shù)據(jù)）上表現(xiàn)差的現(xiàn)象。一個(gè)常見的解決過擬合的策略是增加訓(xùn)練數(shù)據(jù)。數(shù)據(jù)增強(qiáng)通過在原有訓(xùn)練數(shù)據(jù)的基礎(chǔ)上增加各種變化的數(shù)據(jù)，有效地增大了訓(xùn)練集。
提高模型的泛化能力：一些數(shù)據(jù)增強(qiáng)手段（如旋轉(zhuǎn)、縮放、平移等）可以模擬一些真實(shí)場(chǎng)景中會(huì)產(chǎn)生的視覺變化，有助于訓(xùn)練模型對(duì)這些場(chǎng)景變化更具有魯棒性，從而提高模型的泛化能力。
引入可控制的噪聲：一些數(shù)據(jù)增強(qiáng)方法，如隨機(jī)裁剪、像素值噪聲、顏色偏移等，可以在一定程度上模擬真實(shí)環(huán)境中的噪聲。以這樣的方式引入的噪聲可以使模型更健壯，并且增強(qiáng)模型的噪聲容忍力。
視覺不變性：通過像翻轉(zhuǎn)、旋轉(zhuǎn)這樣的變換，數(shù)據(jù)增強(qiáng)可以幫助模型在任何視覺角度下都能正確地識(shí)別出相同的對(duì)象，輸入圖像進(jìn)行各種方式的扭曲后仍能被模型準(zhǔn)確識(shí)別出來，增強(qiáng)了模型的視覺不變性。總的來說，圖片數(shù)據(jù)增強(qiáng)可以讓模型學(xué)習(xí)到更多樣性的數(shù)據(jù)，可以在一定程度上提升模型的識(shí)別準(zhǔn)確率，更好的適應(yīng)實(shí)際環(huán)境中樣本的多樣性，從而提高模型的泛化能力。

代碼實(shí)現(xiàn)

我們使用torchvision的transforms庫對(duì)圖片數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，使用一張卡比巴拉的圖片

首先讀取圖片數(shù)據(jù)，以下是準(zhǔn)備工作

from PIL import Image
import numpy as np
import torchvision.transforms as tfs
import matplotlib.pyplot as plt
 
img_path = r"D:\CSDN_point\1_4\kabibala.jpg"
img = Image.open(img_path)
print("the shape of img is {}".format(np.array(img).shape))

圖片伸縮

img_re = tfs.Resize((500,1000))(img)
plt.imshow(img_re)
plt.show()

tfs.Reszie((500,1000))把圖像的高和寬分別拉伸到500像素和1000像素

圖片裁剪

img_crop = tfs.RandomCrop(500)(img)
plt.imshow(img_crop)
plt.show()

tfs.RandomCrop(500)隨機(jī)截取圖片 $500\times500$ 大小的區(qū)域

中心裁剪

img_crop_cen = tfs.CenterCrop(700)(img)
plt.imshow(img_crop_cen)
plt.show()

tfs.CenterCrop(700)裁剪圖片中心位置 $700\times700$ 大小的區(qū)域

隨機(jī)水平翻轉(zhuǎn)

# 隨機(jī)水平翻轉(zhuǎn)，概率是0.5
img_hori = tfs.RandomHorizontalFlip()(img)
# 隨機(jī)垂直翻轉(zhuǎn)，概率是0.5
img_ver = tfs.RandomVerticalFlip()(img)
 
plt.subplot(1,2,1)
plt.imshow(img_hori)
plt.title("RandomHorizontalFlip")
plt.subplot(1,2,2)
plt.imshow(img_ver)
plt.title("RandomVerticalFlip")
plt.show()

隨機(jī)改變圖片亮度、對(duì)比度和色相

img_j = tfs.ColorJitter(brightness=0.5,contrast=0.5,hue=0.5)(img)
plt.imshow(img_j)
plt.show()

tfs.ColorJitter(brightness=0.5,contrast=0.5,hue=0.5)中參數(shù)的含義：

brightness=0.5：亮度的浮點(diǎn)數(shù)系數(shù)，brightness系數(shù)在 [max(0, 1 - brightness), 1 + brightness] 的范圍內(nèi)隨機(jī)選擇。例如，brightness=0.5，就表明亮度在 [0.5, 1.5] 的范圍內(nèi)隨機(jī)選擇。
contrast=0.5：對(duì)比度的浮點(diǎn)數(shù)系數(shù)。對(duì)比度系數(shù)在 [max(0, 1 - contrast), 1 + contrast] 的范圍內(nèi)隨機(jī)選擇。例如，contrast=0.5，就表明對(duì)比度在 [0.5, 1.5] 的范圍內(nèi)隨機(jī)選擇。
hue=0.5：色相的浮點(diǎn)數(shù)系數(shù)。色相系數(shù)在 [-hue, hue] 的范圍內(nèi)隨機(jī)選擇。例如，hue=0.5，就表明色相在 [-0.5, 0.5] 的范圍內(nèi)隨機(jī)選擇。

多變換整合

可以使用Compose模塊將多個(gè)變換進(jìn)行整合

# 將多個(gè)變換整合到my_trans
my_trans = tfs.Compose([tfs.Resize(800),tfs.RandomHorizontalFlip(),tfs.RandomCrop(500),tfs.RandomVerticalFlip(),tfs.ColorJitter(brightness=0.5,contrast=0.5,hue=0.5)])
 
_,fig = plt.subplots(3,3)
for i in range(3):
    for j in range(3):
        fig[i][j].imshow(my_trans(img))
        plt.axis('off')
plt.show()

以上就是基于pytorch實(shí)現(xiàn)對(duì)圖片進(jìn)行數(shù)據(jù)增強(qiáng)的詳細(xì)內(nèi)容，更多關(guān)于pytorch圖片數(shù)據(jù)增強(qiáng)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: