12個(gè)常用的圖像數(shù)據(jù)增強(qiáng)技術(shù)總結(jié)

神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)的優(yōu)化首先是對(duì)模型的當(dāng)前狀態(tài)進(jìn)行誤差估計(jì)，然后為了減 機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型的訓(xùn)練的目標(biāo)是成為“通用”模型。這就需要模型沒有過度擬合訓(xùn)練數(shù)據(jù)集，或者換句話說，我們的模型對(duì)看不見的數(shù)據(jù)有很好的了解。數(shù)據(jù)增強(qiáng)也是避免過度擬合的眾多方法之一。 擴(kuò)展用于訓(xùn)練模型的數(shù)據(jù)量的過程稱為數(shù)據(jù)增強(qiáng)。通過訓(xùn)練具有多種數(shù)據(jù)類型的模型，我們可以獲得更“泛化”的模型?！岸喾N數(shù)據(jù)類型”是什么意思呢？本篇文章只討論“圖像”數(shù)據(jù)增強(qiáng)技術(shù)，只詳細(xì)地介紹各種圖片數(shù)據(jù)增強(qiáng)策略。我們還將使用 PyTorch 動(dòng)手實(shí)踐并實(shí)現(xiàn)圖像數(shù)據(jù)或計(jì)算機(jī)視覺中主要使用的數(shù)據(jù)增強(qiáng)技術(shù)。

因?yàn)榻榻B的是數(shù)據(jù)增強(qiáng)技術(shù)。所以只使用一張圖片就可以了，我們先看看可視話的代碼

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)Resize/Rescale

此函數(shù)用于將圖像的高度和寬度調(diào)整為我們想要的特定大小。下面的代碼演示了我們想要將圖像從其原始大小調(diào)整為 224 x 224。

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

Cropping

該技術(shù)將要選擇的圖像的一部分應(yīng)用于新圖像。例如，使用 CenterCrop 來(lái)返回一個(gè)中心裁剪的圖像。

transform = transforms.CenterCrop((224, 224)) imshow(path, transform)

RandomResizedCrop

這種方法同時(shí)結(jié)合了裁剪和調(diào)整大小。

transform = transforms.RandomResizedCrop((100, 300)) imshow(path, transform)

Flipping

水平或垂直翻轉(zhuǎn)圖像，下面代碼將嘗試應(yīng)用水平翻轉(zhuǎn)到我們的圖像。

transform = transforms.RandomHorizontalFlip() imshow(path, transform)

Padding

填充包括在圖像的所有邊緣上按指定的數(shù)量填充。我們將每條邊填充50像素。

transform = transforms.Pad((50,50,50,50)) imshow(path, transform)

Rotation

對(duì)圖像隨機(jī)施加旋轉(zhuǎn)角度。我們將這個(gè)角設(shè)為15度。

transform = transforms.RandomRotation(15) imshow(path, transform)

Random Affine

這種技術(shù)是一種保持中心不變的變換。這種技術(shù)有一些參數(shù)：

degrees：旋轉(zhuǎn)角度

translate：水平和垂直轉(zhuǎn)換

scale：縮放參數(shù)

share：圖片裁剪參數(shù)

fillcolor：圖像外部填充的顏色

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

Gaussian Blur

圖像將使用高斯模糊進(jìn)行模糊處理。

transform = transforms.GaussianBlur(7, 3) imshow(path, transform)

Grayscale

將彩色圖像轉(zhuǎn)換為灰度。

transform = transforms.Grayscale(num_output_channels=3) imshow(path, transform)

顏色增強(qiáng)，也稱為顏色抖動(dòng)，是通過改變圖像的像素值來(lái)修改圖像的顏色屬性的過程。下面的方法都是顏色相關(guān)的操作。

Brightness

改變圖像的亮度當(dāng)與原始圖像對(duì)比時(shí)，生成的圖像變暗或變亮。

transform = transforms.ColorJitter(brightness=2) imshow(path, transform)

Contrast

圖像最暗和最亮部分之間的區(qū)別程度被稱為對(duì)比度。圖像的對(duì)比度也可以作為增強(qiáng)進(jìn)行調(diào)整。

transform = transforms.ColorJitter(contrast=2) imshow(path, transform)

Saturation

圖片中顏色的分離被定義為飽和度。

transform = transforms.ColorJitter(saturation=20) imshow(path, transform)

Hue

色調(diào)被定義為圖片中顏色的深淺。

transform = transforms.ColorJitter(hue=2) imshow(path, transform)

總結(jié)

圖像本身的變化將有助于模型對(duì)未見數(shù)據(jù)的泛化，從而不會(huì)對(duì)數(shù)據(jù)進(jìn)行過擬合。以上整理的都是我們常見的數(shù)據(jù)增強(qiáng)技術(shù)，torchvision中還包含了很多方法，可以在他的文檔中找到：https://pytorch.org/vision/stable/transforms.html

審核編輯 ：李倩