PyTorch 使用torchvision进行图片数据增广

使用torchvision来进行图片的数据增广

数据增强就是增强一个已有数据集，使得有更多的多样性。对于图片数据来说，就是改变图片的颜色和形状等等。比如常见的：

左右翻转，对于大多数数据集都可以使用；
上下翻转：部分数据集不适合使用；
图片切割：从图片中切割出一个固定的形状，

• 随机高宽比（e.g. [3/4, 4/3）

• 随机大小（e.g. [8％, 100％]）

• 随机位置

改变图片的颜色

• 改变色调，饱和度，明亮度（e.g. [0.5, 1.5]）

1. 读取图片

加载相关包。

import torch
import torchvision
import matplotlib

from torch import nn
from torchvision import transforms
from PIL import Image
from IPython import display
from matplotlib import pyplot as plt

选取一个狗的图片作为示例：

def set_figsize(figsize=(3.5, 2.5)):

display.set_matplotlib_formats('svg')
   plt.rcParams['figure.figsize'] = figsize    

def show_images(imgs, num_rows, num_cols, titles=None, scale=1.5):
   r"""
   展示一列图片
   img: Image对象的列表
   """
   figsize = (num_cols * scale, num_rows * scale)
   fig, axes = plt.subplots(num_rows, num_cols, figsize=figsize)

axes = axes.flatten()

for i, (ax, img) in enumerate(zip(axes, imgs)):
       if torch.is_tensor(img):
           ax.imshow(img.numpy())
       else:
           ax.imshow(img)

ax.get_xaxis().set_visible(False)
       ax.get_yaxis().set_visible(False)
       ax.get_xaxis().set_label('x')
       if titles:
           ax.set_title(titles[i])

return axes

set_figsize()
img = Image.open('img/dog1.jpg')
plt.imshow(img);

2. 图片增广

def apply(img, aug, num_rows=2, num_clos=4, scale=1.5):
   # 对图片应用图片增广
   # img: Image object
   # aug: 增广操作
   Y = [aug(img) for _ in range(num_clos * num_rows)]
   d2l.show_images(Y, num_rows, num_clos, scale=scale)

2.1 图片水平翻转

class RandomHorizontalFlip(torch.nn.modules.module.Module):
r'''
RandomHorizontalFlip(p=0.5)
给图片一个一定概率的水平翻转操作，如果是Tensor，要求形状为[..., H, W]
Args:
p: float, 图片翻转的概率，默认值0.5
'''
def __init__(self, p=0.5):
pass

示例。可以看到，有一般的几率对图片进行了水平翻转。

aug = transforms.RandomHorizontalFlip(0.5)
apply(img, aug)

2.2 图片上下翻转

class RandomVerticalFlip(torch.nn.modules.module.Module):
r'''
RandomVerticalFlip(p=0.5)
给图片一个一定概率的上下翻转操作，如果是Tensor，要求形状为[..., H, W]
Args:
p: float, 图片翻转的概率，默认值0.5
'''
def __init__(self, p=0.5):
pass

示例。可以看到，有一般的几率对图片进行了上下翻转。

aug = transforms.RandomHorizontalFlip(0.5)
apply(img, aug)

2.3 图片旋转

class RandomRotation(torch.nn.modules.module.Module):
   r'''
   将图片旋转一定角度。
   '''
   def __init__(self,
                degrees,
                interpolation=<InterpolationMode.NEAREST: 'nearest'>,
                expand=False,
                center=None,
                fill=0):
       r"""
       Args:
           degrees: number or sequence, 可选择的角度范围(min, max)，
                       如果是一个数字，则范围是(-degrees, +degrees)
           interpolation: Default is ``InterpolationMode.NEAREST``.
           expand: bool, 如果为True，则扩展输出，使其足够大来容纳整个旋转的图像
                         如果为False, 将输出图像与输入图像的大小相同。
           center: sequence, 以左上角为原点的旋转中心，默认是图片中心。
           fill: sequence or number: 旋转图像外部区域的像素填充值，默认0。
       """
       pass

def forward(self, input):
       r"""
       Args:
           img: PIL Image or Tensor, 被旋转的图片。
       Return:
           PIL Image or Tensor: 旋转后的图片。
       """
       pass

使用实例：

aug = transforms.RandomRotation(degrees=(-90, 90), fill=128)
apply(img, aug)

2.4 中心裁切

class CenterCrop(torch.nn.modules.module.Module):
   r'''
   中心裁切。

'''
   def __init__(self, size):
       r"""
       Args:
          size: sequence or int, 裁切尺寸(H, W)， 如果是int，尺寸为(size, size)
       """
       pass

def forward(self, input):
       r"""
       Args:
           img: PIL Image or Tensor, 被裁切的图片。
       Return:
           PIL Image or Tensor: 裁切后的图片。
       """
       pass

实例：

aug = transforms.CenterCrop((200, 300))
apply(img, aug)

2.5 随机裁切

class RandomCrop(torch.nn.modules.module.Module):
   r'''
   随机裁切。

'''
   def __init__(self, size):
       r"""
       Args:
          size: sequence or int, 裁切尺寸(H, W)， 如果是int，尺寸为(size, size)
          padding: sequence or int, 填充大小，
               如果值为 a , 四周填充a个像素
               如果值为 (a, b), 左右填充a,上下填充b
               如果值为 (a, b, c, d), 左上右下依次填充
          pad_if_need: bool, 如果裁切尺寸大于原图片，则填充
          fill: number or str or tuple: 填充像素的值
          padding_mode: str, 填充类型。
                  `constant`: 使用 fill 填充
                  `edge`: 使用边缘的最后一个值填充在图像边缘。
                  `reflect`: 镜像填充
       """
       pass

def forward(self, input):
       r"""
       Args:
           img: PIL Image or Tensor, 被裁切的图片。
       Return:
           PIL Image or Tensor: 裁切后的图片。
       """
       pass

示例：

aug = transforms.RandomCrop((200, 300))
apply(img, aug)

输出：

2.6 随机裁切并修改尺寸

class RandomResizedCrop(torch.nn.modules.module.Module):
   r'''
   随机裁切, 并重设尺寸。

'''
   def __init__(self, size， scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333)):
       r"""
       Args:
          size: sequence or int, 需要输出的尺寸(H, W)， 如果是int，尺寸为(size, size)
          scale: tuple of float, 原始图片中裁切大小，百分比
          ratio: tuple of float, resize前的裁切的纵横比范围
       """
       pass

def forward(self, input):
       r"""
       Args:
           img: PIL Image or Tensor, 被裁切的图片。
       Return:
           PIL Image or Tensor: 输出的图片。
       """
       pass

示例：

aug = transforms.RandomResizedCrop((200, 200), scale=(0.2, 1))
apply(img, aug)

2. 7 修改图片颜色

class ColorJitter(torch.nn.modules.module.Module):
   r'''
   修改颜色。

'''
   def __init__(self, brightness=0, contrast=0, saturation=0, hue=0):
       r"""
       Args:
          brightness: float or tuple of float (min, max), 亮度的偏移幅度，范围[max(0, 1 - brightness), 1 + brightness]
          contrast: float or tuple of float (min, max), 对比度偏移幅度，范围[max(0, 1 - contrast), 1 + contrast]
          saturation: float or tuple of float (min, max), 饱和度偏移幅度，范围[max(0, 1 - saturation), 1 + saturation]
          hue: float or tuple of float (min, max), 色相偏移幅度，范围[-hue, hue]
       """
       pass

def forward(self, input):
       r"""
       Args:
           img: PIL Image or Tensor, 输入的图片。
       Return:
           PIL Image or Tensor: 输出的图片。
       """
       pass

示例：

aug = transforms.ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5, hue=0.5)
apply(img, aug)

3. 训练数据集加载

train_augs = transforms.Compose([transforms.RandomHorizontalFlip(),
                                torchvision.transforms.ToTensor()])
dataset = torchvision.datasets.CIFAR10(root="../data", train=is_train,
                                          transform=augs, download=True)

来源：https://blog.csdn.net/weixin_43276033/article/details/124581049