Datawhale 零基础入门CV赛事学习笔记-Task2 数据读取与数据扩增
Datawhale 零基础入门CV赛事学习笔记-Task2 数据读取与数据扩增
1 数据读取
在Pytorch中实现图像数据读取主要基于两个基类：Dataset和DataLoader，Dataset主要是通过索引加载图片并进行相应的处理，而DataLoader则进行图片的批量打包（batch）。
1.1 Dataset
torch.utils.data.Dataset() ：Dataset抽象类， 所有自定义的Dataset都需要继承它，并且必须复写__getitem__()这个类方法。__getitem__方法的是Dataset的核心，作用是接收一个索引， 返回一个样本， 参数里面接收index，然后我们需要编写究竟如何根据这个索引去读取我们的数据部分。
在Dataset中还可以定义transforms，可以通过transforms进行图像的预处理。
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
data = SVHNDataset(train_path, train_label,
transforms.Compose([
# 缩放到固定尺寸
transforms.Resize((64, 128)),
# 随机颜色变换
transforms.ColorJitter(0.2, 0.2, 0.2),
# 加入随机旋转
transforms.RandomRotation(5),
# 将图片转换为pytorch 的tesntor
transforms.ToTensor(),
# 对图像像素进行归一化
transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
]))
SVHNDataset 继承了 Dataset 基类，并且重写了__getitem__和__len__方法。
在__getitem__方法中，我们通过索引进行图片的读取，并且使用填充方法对不足6位的图像字符进行填充。
在__init__方法中，我们需要传入单个图片的路径和图片中字符对应的标签，并且我们可以手动传入相对应的transforms方法。
1.2 DataLoader
torch.utils.data.DataLoader() ：构建可迭代的数据装载器，我们在训练的时候，每一个for循环，每一次iteration，就是从DataLoader中获取一个batch_size大小的数据。
DataLoader的主要主要参数有5个：
- dataset：Dataset类， 数据的读取和图片预处理
- batch_size：每批图片数量，默认为1
- num_workers：是否多进程读取机制，默认为0
- shuffle：每个epoch是否乱序，默认为False
- drop_last：当样本数不能被batch_size整除时， 是否舍弃最后一批数据。默认为False
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
train_loader = torch.utils.data.DataLoader(
SVHNDataset(train_path, train_label,
transforms.Compose([
transforms.Resize((64, 128)),
transforms.ColorJitter(0.3, 0.3, 0.2),
transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=10, # 每批样本个数
shuffle=False, # 是否打乱顺序
num_workers=10, # 读取的线程个数
)
for data in train_loader:
break
在加入DataLoder后，数据按照批次获取，每批次调用Dataset读取单个样本进行拼接。此时data的格式为：
torch.Size([10, 3, 64, 128]), torch.Size([10, 6])。
前者为图像文件，为batchsize * chanel * height * width次序；后者为字符标签。
2 数据扩增
2.1 transforms
在torchvision中，有三个主要的模块，分别是transforms、datasets和models。transforms 是torchvision计算机视觉工具包最常用的图像预处理方法。
transforms包括实现图像裁剪、图像的旋转和图像变换，并通过transforms方法实现更多的图像操作，包括但不限于：数据中心化，数据标准化，缩放，裁剪，旋转，翻转，填充，噪声添加，灰度变换，线性变换，仿射变换，亮度、饱和度及对比度变换等等。
2.2 图像裁剪
- transforms.RandomCrop： 对图像进行裁剪
- transforms.CenterCrop(size)：图像中心裁剪图片, size是所需裁剪的图片尺寸，如果比原始图像大了， 会默认填充0。
- transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant)：从图片中位置随机裁剪出尺寸为size的图片，size是尺寸大小，padding设置填充大小，pad_if_need: 若图像小于设定的size, 则填充。
- padding_mode表示填充模型， 有4种：constant像素值由fill设定，edge像素值由图像边缘像素设定，reflect镜像填充，symmetric也是镜像填充。
- transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(3/4, 4/3), interpolation)：随机大小，长宽比裁剪图片。 scale表示随机裁剪面积比例，ratio随机长宽比，interpolation表示插值方法。
- FiveCrop, TenCrop：在图像的上下左右及中心裁剪出尺寸为size的5张图片，后者还在这5张图片的基础上再水平或者垂直镜像得到10张图片。
2.3 图像的翻转和旋转
- RandomHorizontalFlip(p=0.5), RandomVerticalFlip(p=0.5)：依概率水平或者垂直翻转图片，p表示翻转概率
- RandomRotation(degrees, resample=False, expand=False, center=None)：随机旋转图片，degrees表示旋转角度，resample表示重采样方法，expand表示是否扩大图片，以保持原图信息。
2.4 图像变换
- transforms.Compose： 将一系列的transforms方法进行有序的组合包装，具体实现的时候，依次的用包装的方法对图像进行操作。
- transforms.Resize： 改变图像大小
- transforms.ToTensor： 将图像转换成张量，同时会进行归一化的一个操作，将张量的值从0-255转到0-1
- transforms.Normalize： 将数据进行标准化
- transforms.Pad(padding, fill=0, padding_mode=‘constant’): 对图片边缘进行填充
- transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)：调整亮度、对比度、饱和度和色相。brightness是亮度+ 调节因子，contrast对比度参数，saturation饱和度参数，hue是色相因子。
- transfor.RandomGrayscale(num_output_channels, p=0.1)：依概率将图片转换为灰度图，第一个参数是通道数，只能1或3，p是概率值，转换为灰度图像的概率
- transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0)：对图像进行仿射变换，反射变换是二维的线性变换 由五中基本原子变换构成，分别是旋转，平移，缩放，错切和翻转。 degrees表示旋转角度，+ translate表示平移区间设置，scale表示缩放比例，fill_color填充颜色设置，shear表示错切
- transforms.RandomErasing(p=0.5, scale=(0.02, 0.33), ratio=(0.3, 3.3), value=0, inplace=False)： 对图像进行随机遮挡，p概率值，scale遮挡区域的面积，ratio遮挡区域长宽比，value遮挡像素。 随机遮挡有利于模型识别被遮挡的图片。这个是对张量进行操作，所以需要先转成张量才能做