神經網絡在訓練時的優化首先是對模型的當前狀態進行誤差估計，然后為了減 機器學習或深度學習模型的訓練的目標是成為“通用”模型。這就需要模型沒有過度擬合訓練數據集，或者換句話說，我們的模型對看不見的數據有很好的了解。數據增強也是避免過度擬合的眾多方法之一。 擴展用于訓練模型的數據量的過程稱為數據增強。通過訓練具有多種數據類型的模型，我們可以獲得更“泛化”的模型。“多種數據類型”是什么意思呢？本篇文章只討論“圖像”數據增強技術，只詳細地介紹各種圖片數據增強策略。我們還將使用 PyTorch 動手實踐并實現圖像數據或計算機視覺中主要使用的數據增強技術。

因為介紹的是數據增強技術。所以只使用一張圖片就可以了，我們先看看可視話的代碼

import PIL.Image as Image import torch from torchvision import transforms import matplotlib.pyplot as plt import numpy as np import warnings def imshow(img_path, transform): """ Function to show data augmentation Param img_path: path of the image Param transform: data augmentation technique to apply """ img = Image.open(img_path) fig, ax = plt.subplots(1, 2, figsize=(15, 4)) ax[0].set_title(f'Original image {img.size}') ax[0].imshow(img) img = transform(img) ax[1].set_title(f'Transformed image {img.size}') ax[1].imshow(img)Resize/Rescale

此函數用于將圖像的高度和寬度調整為我們想要的特定大小。下面的代碼演示了我們想要將圖像從其原始大小調整為 224 x 224。

path = './kitten.jpeg' transform = transforms.Resize((224, 224)) imshow(path, transform)

Cropping

該技術將要選擇的圖像的一部分應用于新圖像。例如，使用 CenterCrop 來返回一個中心裁剪的圖像。

transform = transforms.CenterCrop((224, 224)) imshow(path, transform)

RandomResizedCrop

這種方法同時結合了裁剪和調整大小。

transform = transforms.RandomResizedCrop((100, 300)) imshow(path, transform)

Flipping

水平或垂直翻轉圖像，下面代碼將嘗試應用水平翻轉到我們的圖像。

transform = transforms.RandomHorizontalFlip() imshow(path, transform)

Padding

填充包括在圖像的所有邊緣上按指定的數量填充。我們將每條邊填充50像素。

transform = transforms.Pad((50,50,50,50)) imshow(path, transform)

Rotation

對圖像隨機施加旋轉角度。我們將這個角設為15度。

transform = transforms.RandomRotation(15) imshow(path, transform)

Random Affine

這種技術是一種保持中心不變的變換。這種技術有一些參數：

degrees：旋轉角度

translate：水平和垂直轉換

scale：縮放參數

share：圖片裁剪參數

fillcolor：圖像外部填充的顏色

transform = transforms.RandomAffine(1, translate=(0.5, 0.5), scale=(1, 1), shear=(1,1), fillcolor=(256,256,256)) imshow(path, transform)

Gaussian Blur

圖像將使用高斯模糊進行模糊處理。

transform = transforms.GaussianBlur(7, 3) imshow(path, transform)

Grayscale

將彩色圖像轉換為灰度。

transform = transforms.Grayscale(num_output_channels=3) imshow(path, transform)

顏色增強，也稱為顏色抖動，是通過改變圖像的像素值來修改圖像的顏色屬性的過程。下面的方法都是顏色相關的操作。

Brightness

改變圖像的亮度當與原始圖像對比時，生成的圖像變暗或變亮。

transform = transforms.ColorJitter(brightness=2) imshow(path, transform)

Contrast

圖像最暗和最亮部分之間的區別程度被稱為對比度。圖像的對比度也可以作為增強進行調整。

transform = transforms.ColorJitter(contrast=2) imshow(path, transform)

Saturation

圖片中顏色的分離被定義為飽和度。

transform = transforms.ColorJitter(saturation=20) imshow(path, transform)

Hue

色調被定義為圖片中顏色的深淺。

transform = transforms.ColorJitter(hue=2) imshow(path, transform)

總結

圖像本身的變化將有助于模型對未見數據的泛化，從而不會對數據進行過擬合。以上整理的都是我們常見的數據增強技術，torchvision中還包含了很多方法，可以在他的文檔中找到：https://pytorch.org/vision/stable/transforms.html

審核編輯 ：李倩