pytorch数据读取之transforms

torchvision.transforms:常用的图像预处理方法：

数据中心化。数据标准化：均值为0，标准差为1。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、对比度变换。

transforms运行机制如图：

transforms.Normalize。功能：按channel对图像进行标准化（均值变为0，标准差变为1），output = (input-mean)/std

标准化可极大加速模型的收敛

transforms 图像增强

    对训练集进行变换，使训练集更加丰富，从而增加模型的泛化能力。（5年高考，3年模拟）

1、裁剪

transforms.CenterCrop(size)

transforms.RandomCrop(size,padding=None,pad_if_needed=False,fill=0,padding_mode='constant')

transforms.RandomResizedCrop(size,scale=(0.08,1.0),ratio=(3/4,4/3),interpolation)

transforms.FiveCrop(size)

transforms.TenCrop(size,vertical_flip=False)

2、翻转，旋转

transforms.RandomHorizontalFlip(p=0.5)

transforms.RandomVerticalFlip(p=0.5)

transforms.RandomRotation(degrees,resample=False,expand=False,center=None)

3、图像变换

transforms.Pad(padding,fill=0,padding_mode='constant')

transforms.ColorJitter(brightness=0,contrast=0,saturation=0,hue=0)

transforms.RandomGrayscale(num_output_channels,p=0.1)

transforms.Grayscale(num_output_channels)

transforms.RandomAffine(degrees,translate=None,scale=None,shear=None,resample=False,fillcolor=0)

transforms.RandomErasing(p=0.5,scale(0.02,0.33),ratio=(0.3,0.3),value=0,inplace=False)

transfoms.Lambda(lambda input: expression)

transforms.Resize

transforms.Totensor

transforms.Normalize

4、transforms的选择操作

transforms.RandomChoice([transforms1, transforms2, transforms3])

transforms.RandomApply([transforms1, transforms2, transforms3], p=0.5)

transforms.RandomOrder([transforms1, transforms2, transforms3])

详细参数可见：https://blog.csdn.net/u011995719/article/details/85107009

自定义transforms方法，注意1:仅接收一个参数，返回一个参数，注意2:上下游的输入输出。

椒盐噪声：又称为脉冲噪声，是一个随机出现的白点或者黑点，白点称为盐噪声，黑点称为椒噪声

信噪比：是衡量噪声的比例，在图像中为图像像素的占比，0，1之间）。

 

数据增强策略，（原则：让训练集与测试集更接近）

空间位置：平移

色彩：灰度图，色彩抖动

形状：仿射变换

上下文场景：遮挡，填充