pytorch03：transforms常见数据增强操作
目录
一、数据增强
?? 数据增强又称为数据增广，数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。如下是对一张图片常见的增强操作例如：旋转、裁剪、像素抖动。
二、transforms–Crop裁剪
2.1 transforms.CenterCrop
功能：从图像中心裁剪图片
? size：所需裁剪图片尺寸
2.2 transforms.RandomCrop
功能：从图片中随机裁剪出尺寸为size的图片
? size：所需裁剪图片尺寸
? padding：设置填充大小
??当为a时，上下左右均填充a个像素，
??当为(a, b)时，上下填充b个像素，左右填充a个像素，
??当为(a, b, c, d)时，左，上，右，下分别填充a, b, c, d
? pad_if_need：若图像小于设定size，则填充
? padding_mode：填充模式，有4种模式
??1、constant：像素值由fill设定
??2、edge：像素值由图像边缘像素决定
??3、reflect：镜像填充，最后一个像素不镜像，eg：[1,2,3,4] → [3,2,1,2,3,4,3,2]
??4、symmetric：镜像填充，最后一个像素镜像，eg：[1,2,3,4] → [2,1,1,2,3,4,4,3]
? fill：constant时，设置填充的像素值
2.3 RandomResizedCrop
功能：随机大小、长宽比裁剪图片
? size：所需裁剪图片尺寸
? scale：随机裁剪面积比例, 默认(0.08, 1)
? ratio：随机长宽比，默认(3/4, 4/3)
? interpolation：插值方法
PIL.Image.NEAREST
PIL.Image.BILINEAR
PIL.Image.BICUBIC
2.4 FiveCrop和TenCrop
??功能：在图像的上下左右以及中心裁剪出尺寸为size的5张图片，TenCrop对这5张图片进行水平或者垂直镜像获得10张图片
? size：所需裁剪图片尺寸
? vertical_flip：是否垂直翻转
三、transforms—Flip翻转、旋转
3.1RandomHorizontalFlip和RandomVerticalFlip
功能：依概率水平（左右）或垂直（上下）翻转图片
? p：翻转概率
3.2 RandomRotation
功能：随机旋转图片
? degrees：旋转角度
??当为a时，在（-a，a）之间选择旋转角度
??当为(a, b)时，在(a, b)之间选择旋转角度
? resample：重采样方法
? expand：是否扩大图片，以保持原图
四、transforms —图像变换
4.1 transforms.Pad
功能：对图片边缘进行填充
? padding：设置填充大小
??当为a时，上下左右均填充a个像素
??当为(a, b)时，上下填充b个像素，左右填充a个像素
??当为(a, b, c, d)时，左，上，右，下分别填充a, b, c, d
? padding_mode：填充模式，有4种模式，constant、edge、reflect和symmetric
? fill：constant时，设置填充的像素值，(R, G, B) or (Gray)
4.2 transforms.ColorJitter
功能：调整亮度、对比度、饱和度和色相
? brightness：亮度调整因子
??当为a时，从[max(0, 1-a), 1+a]中随机选择
??当为(a, b)时，从[a, b]中
? contrast：对比度参数，同brightness
? saturation：饱和度参数，同brightness
? hue：色相参数，当为a时，从[-a, a]中选择参数，注： 0<= a <= 0.5
????????当为(a, b)时，从[a, b]中选择参数，注：-0.5 <= a <= b <= 0.5
4.3 Grayscale和RandomGrayscale
功能：依概率将图片转换为灰度图
? num_ouput_channels：输出通道数只能设1或3
? p：概率值，图像被转换为灰度图的概率
4.4 RandomAffine
功能：对图像进行仿射变换，仿射变换是二维的线性变换，由五种基本原子变换构成，分别是旋转、平移、缩放、错切和翻转
? degrees：旋转角度设置
? translate：平移区间设置，如(a, b), a设置宽（width），b设置高(height)
????图像在宽维度平移的区间为 -img_width * a < dx < img_width * a
? scale：缩放比例（以面积为单位）
? fill_color：填充颜色设置
4.5 RandomErasing
功能：对图像进行随机遮挡
? p：概率值，执行该操作的概率
? scale：遮挡区域的面积
? ratio：遮挡区域长宽比
? value：设置遮挡区域的像素值，(R, G, B) or (Gray)
五、transforms的操作
5.1 transforms.RandomChoice
功能：从一系列transforms方法中随机挑选一个
transforms.RandomChoice([transforms1, transforms2, transforms3])
5.2 transforms.RandomApply
功能：依据概率执行一组transforms操作
transforms.RandomApply([transforms1, transforms2, transforms3], p=0.5)
5.3 transforms.RandomOrder
功能：对一组transforms操作打乱顺序
transforms.RandomOrder([transforms1, transforms2, transforms3])
六、自定义transforms
6.1 自定义transforms要素
1.仅接收一个参数，返回一个参数
2.注意上下游的输出与输入
当前transforms的输入是上一个transforms的输出，所以要保证数据类型匹配：
6.2 通过类实现多参数传入
在Python中，__call__是一个特殊的方法，用于使一个对象可以像函数一样被调用。如果一个类定义了__call__方法，那么实例化的对象就可以被当作函数一样调用，而调用的实际上是__call__方法。
class CallableClass:
def __init__(self):
print("Initializing the CallableClass")
def __call__(self, *args, **kwargs):
print("Calling the CallableClass with arguments:", args, kwargs)
# 实例化对象
obj = CallableClass()
# 调用对象，实际上调用了__call__方法
obj(1, 2, 3, keyword_arg="hello")
上面的例子中，CallableClass定义了__call__方法，这意味着实例obj可以像函数一样被调用。当你调用obj(1, 2, 3, keyword_arg=“hello”)时，实际上是在调用obj.call(1, 2, 3, keyword_arg=“hello”)。
6.3 椒盐噪声
椒盐噪声又称为脉冲噪声，是一种随机出现的白点或者黑点, 白点称为盐噪声，黑色为椒噪声
信噪比（Signal-Noise Rate, SNR）是衡量噪声的比例，图像中为图像像素的占比，从下图可以看出，信噪比越小，图片丢失的像素越多。
6.4 自定义transforms代码实现
class AddPepperNoise(object):
"""增加椒盐噪声
Args:
snr (float): Signal Noise Rate 信噪比
p (float): 概率值，依概率执行该操作
Attributes:
snr (float): 信噪比
p (float): 操作执行的概率
"""
def __init__(self, snr, p=0.9):
# 确保传入的snr和p是float类型
assert isinstance(snr, float) and isinstance(p, float)
self.snr = snr
self.p = p
def __call__(self, img):
"""
对图像应用椒盐噪声操作。
Args:
img (PIL Image): PIL Image对象
Returns:
PIL Image: 处理后的PIL Image对象
"""
# 根据概率决定是否执行噪声操作
if random.uniform(0, 1) < self.p:
img_ = np.array(img).copy()
h, w, c = img_.shape
signal_pct = self.snr
noise_pct = (1 - self.snr)
# 生成噪声掩码，表示每个像素是原始图像、盐噪声还是椒噪声
mask = np.random.choice((0, 1, 2), size=(h, w, 1),
p=[signal_pct, noise_pct / 2., noise_pct / 2.])
mask = np.repeat(mask, c, axis=2)
# 根据噪声类型修改图像像素值
img_[mask == 1] = 255 # 盐噪声
img_[mask == 2] = 0 # 椒噪声
# 将NumPy数组转换回PIL Image对象，并确保数据类型为uint8，颜色通道为RGB
return Image.fromarray(img_.astype('uint8')).convert('RGB')
else:
return img
七、数据增强策略
原则：让训练集与测试集更接近可以使用下面这些方法
? 空间位置：平移
? 色彩：灰度图，色彩抖动
? 形状：仿射变换
? 上下文场景：遮挡，填充
例如我们训练集白猫比较多，可以改变白猫色彩，让白猫的颜色接近黑猫。
数据增强代码实现
要求：使用第四套RMB进行训练，要求能对第5套RMB识别正确。
我们只进行普通的图片处理训练好的模型，发现将第五套100元都识别成一元，因为第四套人民币的1元和第五套人民的100元颜色相近，所以会导致识别错误：
解决方法，将所有训练集颜色都进行灰度处理，代码修改如下：
train_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.RandomCrop(32, padding=4),
transforms.RandomGrayscale(p=0.9), #图片灰度化
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
修改后的预测结果如下：
训练完整代码如下：
# -*- coding: utf-8 -*-
import os
import random
import numpy as np
import torch
import torch.nn as nn
from torch.utils.data import DataLoader
import torchvision.transforms as transforms
import torch.optim as optim
from matplotlib import pyplot as plt
from lenet import LeNet
from my_dataset import RMBDataset
from common_tools import transform_invert
def set_seed(seed=1):
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed)
torch.cuda.manual_seed(seed)
set_seed() # 设置随机种子
rmb_label = {"1": 0, "100": 1}
# 参数设置
MAX_EPOCH = 10
BATCH_SIZE = 16
LR = 0.01
log_interval = 10
val_interval = 1
# ============================ step 1/5 数据 ============================
split_dir = os.path.join("..", "..", "data", "rmb_split")
train_dir = os.path.join(split_dir, "train")
valid_dir = os.path.join(split_dir, "valid")
norm_mean = [0.485, 0.456, 0.406]
norm_std = [0.229, 0.224, 0.225]
train_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.RandomCrop(32, padding=4),
transforms.RandomGrayscale(p=0.9),
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
valid_transform = transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
transforms.Normalize(norm_mean, norm_std),
])
# 构建MyDataset实例
train_data = RMBDataset(data_dir=train_dir, transform=train_transform)
valid_data = RMBDataset(data_dir=valid_dir, transform=valid_transform)
# 构建DataLoder
train_loader = DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)
valid_loader = DataLoader(dataset=valid_data, batch_size=BATCH_SIZE)
# ============================ step 2/5 模型 ============================
net = LeNet(classes=2)
net.initialize_weights()
# ============================ step 3/5 损失函数 ============================
criterion = nn.CrossEntropyLoss() # 选择损失函数
# ============================ step 4/5 优化器 ============================
optimizer = optim.SGD(net.parameters(), lr=LR, momentum=0.9) # 选择优化器
scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1) # 设置学习率下降策略
# ============================ step 5/5 训练 ============================
train_curve = list()
valid_curve = list()
for epoch in range(MAX_EPOCH):
loss_mean = 0.
correct = 0.
total = 0.
net.train()
for i, data in enumerate(train_loader):
# forward
inputs, labels = data
outputs = net(inputs)
# backward
optimizer.zero_grad()
loss = criterion(outputs, labels)
loss.backward()
# update weights
optimizer.step()
# 统计分类情况
_, predicted = torch.max(outputs.data, 1)
total += labels.size(0)
correct += (predicted == labels).squeeze().sum().numpy()
# 打印训练信息
loss_mean += loss.item()
train_curve.append(loss.item())
if (i+1) % log_interval == 0:
loss_mean = loss_mean / log_interval
print("Training:Epoch[{:0>3}/{:0>3}] Iteration[{:0>3}/{:0>3}] Loss: {:.4f} Acc:{:.2%}".format(
epoch, MAX_EPOCH, i+1, len(train_loader), loss_mean, correct / total))
loss_mean = 0.
scheduler.step() # 更新学习率
# validate the model
if (epoch+1) % val_interval == 0:
correct_val = 0.
total_val = 0.
loss_val = 0.
net.eval()
with torch.no_grad():
for j, data in enumerate(valid_loader):
inputs, labels = data
outputs = net(inputs)
loss = criterion(outputs, labels)
_, predicted = torch.max(outputs.data, 1)
total_val += labels.size(0)
correct_val += (predicted == labels).squeeze().sum().numpy()
loss_val += loss.item()
valid_curve.append(loss_val)
print("Valid:\t Epoch[{:0>3}/{:0>3}] Iteration[{:0>3}/{:0>3}] Loss: {:.4f} Acc:{:.2%}".format(
epoch, MAX_EPOCH, j+1, len(valid_loader), loss_val, correct / total))
train_x = range(len(train_curve))
train_y = train_curve
train_iters = len(train_loader)
valid_x = np.arange(1, len(valid_curve)+1) * train_iters*val_interval # 由于valid中记录的是epochloss，需要对记录点进行转换到iterations
valid_y = valid_curve
plt.plot(train_x, train_y, label='Train')
plt.plot(valid_x, valid_y, label='Valid')
plt.legend(loc='upper right')
plt.ylabel('loss value')
plt.xlabel('Iteration')
plt.show()
# ============================ inference ============================
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
test_dir = os.path.join(BASE_DIR, "test_data")
test_data = RMBDataset(data_dir=test_dir, transform=valid_transform)
valid_loader = DataLoader(dataset=test_data, batch_size=1)
for i, data in enumerate(valid_loader):
# forward
inputs, labels = data
outputs = net(inputs)
_, predicted = torch.max(outputs.data, 1)
rmb = 1 if predicted.numpy()[0] == 0 else 100
img_tensor = inputs[0, ...] # C H W
img = transform_invert(img_tensor, train_transform)
plt.imshow(img)
plt.title("LeNet got {} Yuan".format(rmb))
plt.show()
plt.pause(0.5)
plt.close()
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：veading@qq.com进行投诉反馈，一经查实，立即删除！