12个常用的图像数据增强技术总结

由 demi 提交于周二, 25 十月 2022 - 15:08

作者：Prabowo Yoga Wicaksana
<a href="https://mp.weixin.qq.com/s/6-qZrpO4oodaFTcOdFJScA">来源：DeepHub IMBA</a>

<hr>

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。

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
<pre> 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)</pre>

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。

<pre> path = './kitten.jpeg'
transform = transforms.Resize((224, 224))
imshow(path, transform)</pre>

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。

<pre> transform = transforms.CenterCrop((224, 224))
imshow(path, transform)</pre>

RandomResizedCrop

这种方法同时结合了裁剪和调整大小。

<pre> transform = transforms.RandomResizedCrop((100, 300))
imshow(path, transform)</pre>

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。

<pre> transform = transforms.RandomHorizontalFlip()
imshow(path, transform)</pre>

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。

<pre> transform = transforms.Pad((50,50,50,50))
imshow(path, transform)</pre>

Rotation

对图像随机施加旋转角度。我们将这个角设为15度。

<pre> transform = transforms.RandomRotation(15)
imshow(path, transform)</pre>

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：
<ul><li>degrees：旋转角度</li>
<li>translate：水平和垂直转换</li>
<li>scale：缩放参数</li>
<li>share：图片裁剪参数</li>
<li>fillcolor：图像外部填充的颜色</li></ul>

<pre> transform = transforms.RandomAffine(1, translate=(0.5, 0.5), scale=(1, 1), shear=(1,1), fillcolor=(256,256,256))
imshow(path, transform)</pre>

Gaussian Blur

图像将使用高斯模糊进行模糊处理。

<pre> transform = transforms.GaussianBlur(7, 3)
imshow(path, transform)</pre>

Grayscale

将彩色图像转换为灰度。

<pre> transform = transforms.Grayscale(num_output_channels=3)
imshow(path, transform)</pre>

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。

<pre> transform = transforms.ColorJitter(brightness=2)
imshow(path, transform)</pre>

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。

<pre>transform = transforms.ColorJitter(contrast=2)
imshow(path, transform)</pre>

Saturation
图片中颜色的分离被定义为饱和度。

<pre> transform = transforms.ColorJitter(saturation=20)
imshow(path, transform)</pre>

Hue
色调被定义为图片中颜色的深浅。

<pre> transform = transforms.ColorJitter(hue=2)
imshow(path, transform)</pre>

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：<a href="https://mp.weixin.qq.com/s/6-qZrpO4oodaFTcOdFJScA"> DeepHub IMBA</a>，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。