天池零基础入门CV赛事- 街景字符编码识别-Task2-数据读取与扩增

Task2 数据读取与数据扩增

本章主要学习CV竞赛方面数据读取与数据扩增方面知识点。

1.图像读取

这次赛题中的数据是图像数据，赛题的任务是识别图像中的字符。因此首先需要完成对数据的读取操作，在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。

1.1 Pillow

Pillow是Python图像处理函式库(PIL）的一个分支。Pillow提供了常见的图像读取和处理的操作，而且可以与ipython notebook无缝集成，是应用比较广泛的库。
下面是几个代码范例：

• 导入图片：

  from PIL import Image # 导入Pillow库
  im =Image.open(cat.jpg') # 读取图片
  

• 应用模糊滤镜：

  from PIL import Image, ImageFilter
  im = Image.open('cat.jpg')
  # 应用模糊滤镜:
  im2 = im.filter(ImageFilter.BLUR)
  im2.save('blur.jpg', 'jpeg')
  

• 调整图片尺寸为一半：

  from PIL import Image
  # 打开一个jpg图像文件，注意是当前路径:
  im = Image.open('cat.jpg')
  im.thumbnail((w//2, h//2))
  im.save('thumbnail.jpg', 'jpeg')
  

Pillow还有很多图像操作，是图像处理的必备库。更多的操作可以看Pillow的官方文档：https://pillow.readthedocs.io/en/stable/

1.2 OpenCV

OpenCV是一个跨平台的计算机视觉库，最早由Intel开源得来。OpenCV发展的非常早，拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能上比Pillow更加强大很多，学习成本也高很多。
下面是几个OpenCV的基本操作：

• 读取图片：

  import cv2
  # 导入Opencv库
  img = cv2.imread('cat.jpg')
  # Opencv默认颜色通道顺序是BRG，转换一下
  img =cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
  

• 转为灰度图：

  import cv2
  # 导入Opencv库
  img = cv2.imread('cat.jpg')
  img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  # 转换为灰度图
  

• Canny算子边缘检测：

  import cv2
  # 导入Opencv库
  img = cv2.imread('cat.jpg')
  img =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  # 转换为灰度图
  # Canny边缘检测
  edges = cv2.Canny(img, 30, 70)
  cv2.imwrite('canny.jpg', edges)
  

OpenCV包含了众多的图像处理的功能，OpenCV包含了你能想得到的只要与图像相关的操作。此外OpenCV还内置了很多的图像特征处理算法，如关键点检测、边缘检测和直线检测等。更多内容可查看下面网址：
OpenCV官网：https://opencv.org/
OpenCV Github：https://github.com/opencv/opencv
OpenCV 扩展算法库：https://github.com/opencv/opencv_contrib

2.数据扩增方法

在赛题中我们需要对的图像进行字符识别，因此需要我们完成的数据的读取操作，同时也需要完成数据扩增（Data Augmentation）操作。

2.1数据扩增介绍

在深度学习中数据扩增方法非常重要，数据扩增可以增加训练集的样本，同时也可以有效缓解模型过拟合的情况，也可以给模型带来的更强的泛化能力。

• 数据扩增重要性
  在深度学习模型的训练过程中，数据扩增是必不可少的环节。现有深度学习的参数非常多，一般的模型可训练的参数量基本上都是万到百万级别，而训练集样本的数量很难有这么多。
  其次数据扩增可以扩展样本空间，假设现在的分类模型需要对汽车进行分类，左边的是汽车A，右边为汽车B。如果不使用任何数据扩增方法，深度学习模型会从汽车车头的角度来进行判别，而不是汽车具体的区别。
  
• 数据扩增方法
  数据扩增方法有很多：从颜色空间、尺度空间到样本空间，同时根据不同任务数据扩增都有相应的区别。
  对于图像分类，数据扩增一般不会改变标签；对于物体检测，数据扩增会改变物体坐标位置；对于图像分割，数据扩增会改变像素标签。所以要根据赛题选取相应的数据扩增策略。例如：在本次赛题中，赛题任务是需要对图像中的字符进行识别，因此对于字符图片并不能进行翻转操作。比如字符6经过水平翻转就变成了字符9，会改变字符原本的含义。

2.2 常见数据扩增方法

在常见的数据扩增方法中，一般会从图像颜色、尺寸、形态、空间和像素等角度进行变换。当然不同的数据扩增方法可以自由进行组合，得到更加丰富的数据扩增方法。

以torchvision为例，常见的数据扩增方法包括：

• transforms.CenterCrop 对图片中心进行裁剪
• transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换
• transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
• transforms.Grayscale 对图像进行灰度变换
• transforms.Pad 使用固定值进行像素填充
• transforms.RandomAffine 随机仿射变换
• transforms.RandomCrop 随机区域裁剪
• transforms.RandomHorizontalFlip 随机水平翻转
• transforms.RandomRotation 随机旋转
• transforms.RandomVerticalFlip 随机垂直翻转
  

2.3 常用数据扩增库

• torchvision
  https://github.com/pytorch/vision
  torchvision是pytorch官方提供的数据扩增库，提供了基本的数据数据扩增方法，可以无缝与torch进行集成；但数据扩增方法种类较少，且速度中等；

• imgaug
  https://github.com/aleju/imgaug
  imgaug是常用的第三方数据扩增库，提供了多样的数据扩增方法，且组合起来非常方便，速度较快；

• albumentations
  https://albumentations.readthedocs.io
  albumentations也是常用的第三方数据扩增库，提供了多样的数据扩增方法，对图像分类、语义分割、物体检测和关键点检测都支持，速度较快。