图片 Augmentation整理
Augmentation
原图:
Flipping 翻转
Grayscale
Equalize 均衡直方图
Posterize 减少颜色通道位数
Cropping
Rotation
Translation
Noise injection
Hue 色调
Brightness
Saturation
Contrast
Erasing 抹去
Augmix
代码
config.json:
{
"Crop": {
"size": [100, 200]
},
"Rotate": {
"degrees": 20
},
"Translate": {
"translate": [0.3, 0.3]
},
"Scale": {
"scale": [0.7, 1.3]
},
"Shear": {
"shear": [10, 100, 10, 100]
},
"Hflip": {},
"Vflip": {},
"Equalize": {
"mask": null
},
"Posterize": {
"bits" : 2
},
"Grayscale": {
"num_output_channels": 1
},
"Normalnoise": {
"loc": 0.0,
"scale": 0.1
},
"Uniformnoise": {
"alpha": 0.2
},
"Contrast": {
"contrast": 0.8
},
"Brightness": {
"brightness": 0.7
},
"Saturation": {
"saturation": 0.7
},
"Hue": {
"hue": 0.5
},
"Erase": {
"value": 100
}
}
"""
ops.py
"""
import torch
import torchvision.transforms.functional as F
import PIL.ImageOps
import random
from torchvision import transforms
import scipy.stats
from collections.abc import Iterable
def special(cls, name, *args, **kwargs):
class Newclass(cls):
def __init__(self, *newargs, **newkwargs):
newargs += args
newkwargs.update(kwargs)
super(Newclass, self).__init__(*newargs, **newkwargs)
Newclass.__name__ = name
return Newclass
class Hflip:
"""
水平翻转
"""
def __call__(self, img):
return F.hflip(img)
class Vflip:
"""
上下翻转
"""
def __call__(self, img):
return F.vflip(img)
class Equalize:
"""
均衡图像直方图
"""
def __init__(self, mask):
self.mask = mask
def __call__(self, img):
return PIL.ImageOps.equalize(img, self.mask)
class Posterize:
"""
减少每个颜色通道的位数
"""
def __init__(self, bits):
self.bits = bits
def __call__(self, img):
return PIL.ImageOps.posterize(img, self.bits)
class Grayscale:
def __init__(self, num_output_channels=1):
self.num_output_channels = num_output_channels
def __call__(self, img):
return F.to_grayscale(img, self.num_output_channels)
class Normalnoise:
def __init__(self, loc, scale):
self.loc = loc
self.scale = scale
def __call__(self, img):
img = F.to_tensor(img)
img += (torch.randn_like(img) + self.loc) * self.scale
img = torch.clamp(img, 0., 1.)
return F.to_pil_image(img)
class Uniformnoise:
def __init__(self, alpha):
if alpha < 0 or alpha > 1:
raise ValueError("alpha should be in [0, 1]...")
self.alpha = alpha
def __call__(self, img):
img = F.to_tensor(img)
img += torch.rand_like(img) * self.alpha
img = torch.clamp(img, 0., 1.)
return F.to_pil_image(img)
class Erase:
def __init__(self, value):
self.value = value
def __call__(self, img):
img = F.to_tensor(img)
H, W = img.size()[-2:]
lui = torch.randint(0, H, (1,)).item()
luj = torch.randint(0, W, (1,)).item()
rbi = torch.randint(lui, H, (1,)).item()
rbj = torch.randint(luj, W, (1,)).item()
h = rbj - luj
w = rbi - lui
return F.to_pil_image(F.erase(img, lui, luj, h, w, 0))
class Perspective:
def __init__(self, startpoints, endpoints, interpolation=3):
self.startpoints = startpoints
self.endpoints = endpoints
self.interpolation = interpolation
def __call__(self, img):
return F.perspective(img, self.startpoints,
self.endpoints, self.interpolation)
Translate = special(transforms.RandomAffine, "Translate", degrees = 0)
Scale = special(transforms.RandomAffine, "Scale", degrees = 0)
Shear = special(transforms.RandomAffine, "Shear", degrees=0)
Rotate = special(transforms.RandomAffine, "Rotate")
Brightness = special(transforms.ColorJitter, "Brightness")
Contrast = special(transforms.ColorJitter, "Contrast")
Saturation = special(transforms.ColorJitter, "Saturation")
Hue = special(transforms.ColorJitter, "Hue")
Crop = transforms.RandomCrop
class Augmix:
def __init__(self, ops, k=3, alpha=1, beta=1):
self.ops = ops
self.k = k
if isinstance(alpha, Iterable):
self.alpha = alpha
else:
self.alpha = [alpha] * k
self.beta = beta
def get_params(self):
op1, op2, op3 = random.sample(self.ops, 3)
op12 = transforms.Compose([op1, op2])
op123 = transforms.Compose([op1, op2, op3])
return random.sample([op1, op12, op123], 1)[0]
def __call__(self, img):
weights = scipy.stats.dirichlet.rvs(self.alpha)[0]
img_tensor = F.to_tensor(img)
xaug = torch.zeros_like(img_tensor)
for i in range(self.k):
opschain = self.get_params()
temp = weights[i] * F.to_tensor(opschain(img))
xaug += temp
m = scipy.stats.beta.rvs(self.beta, self.beta, size=1)[0]
new_img = m * img_tensor + (1 - m) * xaug
return F.to_pil_image(new_img)
图片 Augmentation整理的更多相关文章
- GIF/PNG/JPG和WEBP/base64/apng图片优点和缺点整理
GIF/PNG/JPG/WEBP/APNG都是属于位图(位图 ,务必区别于矢量图): GIF/PNG和JPG这三种格式的图片被广泛应用在现今的互联网中,gif曾在过去互联网初期慢速的情况下几乎是做到了 ...
- Base64 字符串转图片 问题整理汇总
前言 最近碰到了一些base64字符串转图片的开发任务,开始觉得没啥难度,但随着开发的进展还是发现有些东西需要记录下. Base64 转二进制 这个在net有现有方法调用: Convert.FromB ...
- GIF/PNG/JPG和WEBP/base64/apng图片优点和缺点整理(转)
如何获取图片对应的base64字符串呢? 1:使用代码获取: 运行下面代码 var reader = new FileReader(), htmlImage; reader.onload = func ...
- python 指定日期图片文件删除
手机使用python操作图片文件 起因 前几天去国图拍了一本书,一本心理学方面的书,也许你问我为什么不去买一本,或者去网上找pdf. 其实吧,关于心理学方面的书可以说在市面上一抓就是一堆,至于拍这本书 ...
- 基础学习笔记之opencv(6):实现将图片生成视频
基础学习笔记之opencv(6):实现将图片生成视频 在做实验的过程中.难免会读视频中的图片用来处理,相反将处理好的图片又整理输出为一个视频文件也是非经常常使用的. 以下就来讲讲基于opencv的C+ ...
- 个人永久性免费-Excel催化剂功能第54波-批量图片导出,调整大小等
图片作为一种数据存在,较一般的存放在Excel单元格或其他形式存在的文本数据,对其管理更为不易,特别是仅有Excel原生的简单的插入图片功能时,Excel催化剂已全面覆盖图片数据的使用场景,无论是图片 ...
- 了解JS压缩图片,这一篇就够了
前言 公司的移动端业务需要在用户上传图片是由前端压缩图片大小,再上传到服务器,这样可以减少移动端上行流量,减少用户上传等待时长,优化用户体验. 插播一下,本文案例已整理成插件,已上传npm ,可通过 ...
- Google 云计算中的 GFS 体系结构
google 公司的很多业务具有数据量巨大的特点,为此,google 公司研发了云计算技术.google 云计 算结构中的 google 文件系统是其云计算技术中的三大法宝之一.本文主要介 ...
- 使用MVVM-Sidekick开发Universal App(二)
上一篇文章已经建立了基本的实体类,并且搞定了多语言的问题,以后在app里用字符串的时候就可以从资源文件中取了.现在继续进行. 一.添加一个页面 CurrencyExchanger首页是一个货币兑换的列 ...
随机推荐
- 日常Java 2021/10/5
java 异常处理 Throwable中包括Error 和Exception,Exception包括IOException和RuntimeException 抛出异常 1.异常运算条件 Arithme ...
- 日常Java 2021/9/28
字符串反转 package m; public class m { public static void main(String[] args) { //定义一个字符串 String str = &q ...
- A Child's History of England.37
Many other noblemen repeating and supporting this when it was once uttered, Stephen and young Planta ...
- day06 python代码操作MySQL
day06 python代码操作MySQL 今日内容 python代码操作MySQL 基于python与MySQL实现用户注册登录 python操作MySQL python 胶水语言.调包侠(贬义词& ...
- Android 极光推送集成
集成Jpush 1.用Android Studio创建一个Demo 2.创建激光推送开发者账号,要创建极光推送开发者帐号,请访问极光推送官方网站https://www.jiguang.cn/push ...
- android获取路径目录方法
Environment常用方法: getExternalStrongeDirectory() 返回File,获取外部存储目录即SDCard getDownloadCacheDirectory() 返回 ...
- 【Java基础】Java中new对象的过程
序言 联系我上次写的关于Java内存的文章,对象访问在 Java 语言中无处不在,是最普通的程序行为,但即使是最简单的访问,也会却涉及 Java 栈.Java 堆.方法区这三个最重要内存区域之间的关联 ...
- NGNIX 开启socket分发的使用配置
worker_processes 1; #error_log logs/error.log; #error_log logs/error.log notice; #error_log logs/err ...
- 【JAVA今法修真】 第三章 关系非关系 redis法器
您好,我是南橘,万法仙门的掌门,刚刚从九州世界穿越到地球,因为时空乱流的影响导致我的法力全失,现在不得不通过这个平台向广大修真天才们借去力量.你们的每一个点赞,每一个关注都是让我回到九州世界的助力,兄 ...
- TSN(时间敏感网络)测试、仿真、分析平台应用攻略
前言 在汽车领域,近几年车内网络通讯方式的变革诉求,期望能够有更高的数据传输速率,以及保证实时性的通讯方式引入.例如对于ADAS而言,传统的CAN总线已经远远不能满足其对通讯的要求,而基于车载以太网的 ...