Pytorch中的图像增广和预处理方法(transforms类)

文章目录

    • 1.随机翻转(水平和垂直)
    • 2.随机裁剪缩放
    • 3.随机修改颜色(颜色抖动)
    • 4.将图像转化为张量
    • 5.标准化操作
    • 6.同时结合多种增广方法

1.随机翻转(水平和垂直)

torchvision.transforms.RandomVerticalFlip函数和torchvision.transforms.RandomHorizontalFlip函数是两个可以实现数据增强的函数,可以将输入的图像进行随机垂直翻转和随机水平翻转,从而增加数据集的多样性。

具体来说,torchvision.transforms.RandomVerticalFlip函数可以将输入图像在垂直方向上进行随机翻转,而torchvision.transforms.RandomHorizontalFlip函数可以将输入图像在水平方向上进行随机翻转。这两个函数都可以通过设置参数来控制翻转的概率。

下面是这两个函数的使用方法:

import torch
import torchvision.transforms as transforms

# 定义随机垂直翻转和随机水平翻转的概率
vflip_probability = 0.5  # 随机垂直翻转的概率
hflip_probability = 0.5  # 随机水平翻转的概率

# 定义图像变换
transform = transforms.Compose([
    transforms.RandomVerticalFlip(p=vflip_probability),
    transforms.RandomHorizontalFlip(p=hflip_probability)
])

在上述代码中,我们首先通过transforms.Compose函数定义了一个图像变换的序列,其中包含了随机垂直翻转和随机水平翻转两个操作。

2.随机裁剪缩放

torchvision.transforms.RandomResizedCrop函数可以进行随机裁剪和缩放,从而增加数据集的多样性。在实际使用中,这个函数有许多可调参数,下面是一个更加完整的介绍:

transforms.RandomResizedCrop(
    size,       # 输出图像的大小
    scale=(0.08, 1.0),  # 缩放范围,将输入图像按照该范围内的随机比例缩放
    ratio=(3.0/4.0, 4.0/3.0),   # 长宽比范围,将输入图像按照该范围内的随机比例进行裁剪
    interpolation=2     # 缩放时使用的插值方法,可选1、2、3、4中的一个,默认为PIL.Image.BILINEAR
)

下面是各个参数的详细介绍:

  • size:输出图像的大小,可以是一个整数,表示输出图像的边长,或者是一个二元组,表示输出图像的宽和高。例如,如果设置size=224,则输出图像的大小为 224 × 224 224\times224 224×224;如果设置size=(256,192),则输出图像的大小为 256 × 192 256\times192 256×192
  • scale:缩放范围,将输入图像按照该范围内的随机比例缩放。该参数是一个二元组,表示缩放比例的范围,例如(0.08,1.0)表示将输入图像缩放到原来的 0.08 0.08 0.08 1.0 1.0 1.0倍之间的随机比例。默认值为(0.08, 1.0)。
  • ratio:长宽比范围,将输入图像按照该范围内的随机比例进行裁剪。该参数是一个二元组,表示长宽比的范围,例如(3.0/4.0,4.0/3.0)表示将输入图像按照宽高比在 3 / 4 3/4 3/4 4 / 3 4/3 4/3之间的随机比例进行裁剪。默认值为(3.0/4.0, 4.0/3.0)。
  • interpolation:缩放时使用的插值方法,可选1、2、3、4中的一个,分别表示PIL.Image.NEAREST、PIL.Image.BILINEAR、PIL.Image.BICUBIC和PIL.Image.LANCZOS。默认值为PIL.Image.BILINEAR。

3.随机修改颜色(颜色抖动)

在PyTorch中,torchvision.transforms.RandomColorJitter函数可以用于对图像进行随机颜色抖动,增加数据集的多样性。这个函数可以随机地改变图像的亮度、对比度、饱和度和色相,并且还可以随机地进行灰度化操作。下面是该函数的参数:

transforms.RandomColorJitter(
    brightness=0.1,    # 亮度调整的强度,默认值为0.1
    contrast=0.1,      # 对比度调整的强度,默认值为0.1
    saturation=0.1,    # 饱和度调整的强度,默认值为0.1
    hue=0.1,           # 色相调整的强度,默认值为0.1
    p=0.5,             # 执行颜色抖动的概率,默认值为0.5
)

下面是各个参数的详细介绍:

  • brightness:亮度调整的强度。默认值为0.1。如果设置为0,则不进行亮度调整。
  • contrast:对比度调整的强度。默认值为0.1。如果设置为0,则不进行对比度调整。
  • saturation:饱和度调整的强度。默认值为0.1。如果设置为0,则不进行饱和度调整。
  • hue:色相调整的强度。默认值为0.1。如果设置为0,则不进行色相调整。
  • p:执行颜色抖动的概率。默认值为0.5。如果设置为1,则每个图像都会执行颜色抖动。

4.将图像转化为张量

在PyTorch的torchvision库中,ToTensor函数是一种将PIL Image或numpy.ndarray格式的图像转换为PyTorch Tensor格式的函数。它可以将图像中的像素值转换为0到1之间的标准化数值,并调整图像的通道顺序,使其符合PyTorch模型的输入要求。

ToTensor函数的使用方法如下:

from torchvision.transforms import ToTensor
transform = ToTensor()

一般来说,在使用Compose组合在一起的一组transform中,ToTensor函数应该放在最后一个位置,以便将图像转换为PyTorch Tensor格式的图像,并确保其他所有的transform都在Tensor转换之前完成。

5.标准化操作

在PyTorch的torchvision.transforms库中,Normalize函数是一种对图像进行标准化处理的函数。它可以将图像中的像素值进行归一化处理,使得图像的像素值均值为0,标准差为1,从而增强模型的收敛速度和泛化性能。

Normalize函数的使用方法如下:

from torchvision.transforms import Normalize
transform = Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])

在上述代码中,我们首先导入了Normalize函数,并创建了一个名为transform的Normalize对象。其中,meanstd参数分别代表图像各通道像素值的平均值和标准差。在这里,我们以ImageNet数据集的图像均值和标准差为例进行了设置。

需要注意的是,Normalize函数应该在图像转换为PyTorch Tensor格式之后应用,即在ToTensor之后。这是因为Normalize需要对每个通道的像素值进行标准化,而ToTensor函数将图像中的像素值转换为PyTorch Tensor格式后,每个通道的像素值将存储在不同的维度上,因此才需要在ToTensor之后进行标准化处理。

6.同时结合多种增广方法

在PyTorch的torchvision库中,Compose函数是一种将多个数据增强操作组合在一起的函数。它可以将多个数据增强操作按照一定的顺序组合在一起,并将它们作为一个整体应用于数据集中的每个样本。Compose函数可以帮助我们方便地实现复杂的数据增强操作,同时也可以使我们的代码更加简洁和易读。

Compose函数的使用方法如下:

from torchvision.transforms import Compose
from torchvision.transforms import RandomCrop, RandomHorizontalFlip, ToTensor

transform = Compose([
    RandomCrop(32),
    RandomHorizontalFlip(),
    ToTensor()
])

在上述代码中,我们首先导入了Compose函数和其他一些数据增强操作,然后创建了一个名为transform的Compose对象。该Compose对象由三个数据增强操作组成:随机裁剪(RandomCrop),随机水平翻转(RandomHorizontalFlip)和转换为Tensor格式(ToTensor)。

你可能感兴趣的:(Python,人工智能,python)