pytorch笔记01-数据增强

1、什么是数据增强

数据增强是扩充数据样本规模的一种有效地方法。深度学习是基于大数据的一种方法，我们当前希望数据的规模越大、质量越高越好。模型才能够有着更好的泛化能力，然而实际采集数据的时候，往往很难覆盖掉全部的场景，比如：对于光照条件，在采集图像数据时，我们很难控制光线的比例，因此在训练模型的时候，就需要加入光照变化方面的数据增强。再有一方面就是数据的获取也需要大量的成本，如果能够自动化的生成各种训练数据，就能做到更好的开源节流。

2、数据增强的作用

• 增加训练的数据量，提高模型的泛化能力
• 增加噪声数据，提升模型的鲁棒性

3、如何进行数据增强

数据增强可以分为两类，一类是离线增强，一类是在线增强。

• 离线增强 ： 直接对数据集进行处理，数据的数目会变成增强因子 x 原数据集的数目 ，这种方法常常用于数据集很小的时候.
• 在线增强 ： 这种增强的方法用于，获得 batch 数据之后，然后对这个 batch 的数据进行增强，如旋转、平移、翻折等相应的变化，由于有些数据集不能接受线性级别的增长，这种方法长用于大的数据集，很多机器学习框架已经支持了这种数据增强方式，并且可以使用 GPU 优化计算。

4、pytorch数据增强操作

pytorch中数据增强的常用方法如下：

• 对图片进行一定比例的缩放
• 对图片进行随机的截取
• 对图片进行随机水平和竖直翻转
• 对图片进行随机角度的旋转
• 对图片进行亮度、对比度和颜色的随机变化等

torchvision中内置的transforms包含了这些些常用的图像变换，这些变换能够用Compose串联组合起来。

from PIL import Image
from torchvision import transforms as tfs

img = Image.open('./dog.jpg')
print('原图：')
img

原图：

4.1、中心处裁剪PIL图片

class torchvision.transforms.CenterCrop(size)

• size（序列 或 int）– 需要裁剪出的形状。如果size是int，将会裁剪成正方形；如果是形如(h, w)的序列，将会裁剪成矩形。

print('原图像尺寸：{}'.format(img.size))
re_img = tfs.CenterCrop(200)(img)
print('中心裁剪后尺寸:{}'.format(re_img.size))
re_img

原图像尺寸：(658, 411)
中心裁剪后尺寸:(200, 200)

4.2 随机改变图片的亮度、对比度和饱和度

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

• brightness（float或 float类型元组(min, max)）– 亮度的扰动幅度。应当是非负数。
• contrast（float或 float类型元组(min, max)）– 对比度扰动幅度。应当是非负数。
  saturation（float或 float类型元组(min, max)）– 饱和度扰动幅度。应当是非负数。
  hue（float或 float类型元组(min, max)）– 色相扰动幅度。hue_factor从[-hue, hue]中随机采样产生，其值应当满足0<= hue <= 0.5或-0.5 <= min <= max <= 0.5

cj_img = tfs.ColorJitter(0.8, 0.8, 0.5)(img)
cj_img

4.3 图片转换为灰阶

class torchvision.transforms.Grayscale(num_output_channels=1))

• num_output_channels（int，1或3）– 希望得到的图片通道数。

gc_img = tfs.Grayscale(1)(img)
gc_img

4.4 图像的各条边缘进行扩展

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

• padding（int 或 tuple）– 在每条边上展开的宽度。如果传入的是单个int，就在所有边展开。如果传入长为2的元组，则指定左右和上下的展开宽度。如果传入长为4的元组，则依次指定为左、上、右、下的展开宽度。
• fill（int 或 tuple） – 像素填充值。默认是0。如果指定长度为3的元组，表示分别填充R, G, B通道。这个参数仅在padding_mode是‘constant’时指定有效。
• padding_mode（str）– 展开类型。应当是‘constant’，‘edge’，‘reflect’或‘symmetric’之一。默认为‘constant’。
  • constant：用常数扩展，这个值由fill参数指定。
  • edge：用图像边缘上的值填充。
  • reflect：以边缘为对称轴进行轴对称填充（边缘值不重复）。
  • symmetric：用图像边缘的反转进行填充（图像的边缘值需要重复）。

# 用常数0填充
con_img = tfs.Pad(50, fill=0, padding_mode='constant')(img)
con_img

# 用图像边缘值填充
edge_img = tfs.Pad(50, fill=0, padding_mode='edge')(img)
edge_img

# 以边缘为对称轴进行轴对称填充
ref_img = tfs.Pad(50, fill=0, padding_mode='reflect')(img)
ref_img

4.5 图片在随机位置处进行裁剪

class torchvision.transforms.RandomCrop(size, padding=0, pad_if_needed=False)

• size（序列 或 int）– 想要裁剪出的图片的形状。如果size是int，按照正方形（size, size）裁剪； 如果size是序列（h, w），裁剪为矩形。
• padding（int 或 序列 , 可选）– 在图像的边缘进行填充，默认0，即不做填充。如果指定长为4的序列，则分别指定左、上、右、下的填充宽度。
• pad_if_needed（boolean）– 如果设置为True，若图片小于目标形状，将进行填充以避免报异常。

rc_img = tfs.RandomCrop(200)(img)
rc_img

4.6 以给定的概率随机水平翻折PIL图片

class torchvision.transforms.RandomHorizontalFlip(p=0.5)

• p（float）– 翻折图片的概率。默认0.5。

rh_img = tfs.RandomHorizontalFlip(1)(img)
rh_img

4.7 以给定的概率随机垂直翻折PIL图片

class torchvision.transforms.RandomVerticalFlip(p=0.5)

• p（float）– 翻折图片的概率。默认0.5。

rv_img = tfs.RandomVerticalFlip(1)(img)
rv_img

4.8 以指定的角度选装图片

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

• degrees（序列 或 float or int）– 旋转角度的随机选取范围。如果degrees是序列（min, max），则从中随机选取；如果是数字，则选择范围是（-degrees, +degrees）。
• resample（{PIL.Image.NEAREST , PIL.Image.BILINEAR , PIL.Image.BICUBIC} , 可选) – 可选的重采样滤波器。如果该选项忽略，或图片模式是“1”或者“P”则设置为PIL.Image.NEAREST。
• expand（bool, 可选）– 可选的扩展标志。如果设置为True, 将输出扩展到足够大从而能容纳全图。如果设置为False或不设置，输出图片将和输入同样大。注意expand标志要求 flag assumes rotation around the center and no translation。
• center（2-tuple , 可选）– 可选的旋转中心坐标。以左上角为原点计算。默认是图像中心。

rr_img = tfs.RandomRotation(45)(img)
rr_img

以上都是对图像做单次变换，torchvision提供torchvision.transforms.Compose()函数，可以将以上图像方法联合起来使用，比如先做随机翻转，然后随机截取，再做对比度增强等。

import matplotlib.pyplot as plt
%matplotlib inline

aug_img = tfs.Compose([
    tfs.Resize(200),
    tfs.RandomHorizontalFlip(),
    tfs.RandomCrop(120),
tfs.RandomVerticalFlip(),
    tfs.ColorJitter(0.5, 0.5, 0.5)
])

_, figs = plt.subplots(3, 3, figsize=(10, 10))
for i in range(3):
    for j in range(3):
        figs[i][j].imshow(aug_img(img))
        figs[i][j].axes.get_xaxis().set_visible(False)
        figs[i][j].axes.get_yaxis().set_visible(False)