pytorch集锦(9)-数据变换（2）

阿里云国内75折回扣微信号：monov8

阿里云国际，腾讯云国际，低至75折。AWS 93折免费开户实名账号代冲值优惠多多微信号：monov8 飞机：@monov6

转换变换

ToPILImage([mode])

将张量或ndarray转换为PIL图像。
ToTensor()
将PIL图像或numpy.ndarray转换为张量。
PILToTensor()
将PIL图像转换为相同类型的张量

通用变换

Lambda(lambd)
将用户定义的lambda应用于转换。

自动增强变换

见论文
AutoAugment: Learning Augmentation Strategies from Data
Ekin D. Cubuk
∗, Barret Zoph∗ , Dandelion Man ́e, Vijay Vasudevan, Quoc V. Le Google
Brain
https://arxiv.org/pdf/1805.09501.pdf

AutoAugment是一种常见的数据增强技术可以提高图像分类模型的准确性。尽管数据扩充策略直接与它们的训练数据集相关联但实证研究表明ImageNet策略在应用于其他数据集时提供了显著的改进。在TorchVision中我们实施了在以下数据集上学习的3个策略ImageNet、CIFAR10和SVHN。新变换可以单独使用也可以与现有变换混合使用和匹配
AutoAugmentPolicy(value)
在不同数据集上学习的AutoAugment策略。
AutoAugment([policy, interpolation, fill])
基于“AutoAugment:从数据中学习增强策略”的AutoAugment数据增强方法。
RandAugment([num_ops, magnitude, …])
基于“RandAugment减少搜索空间的实用自动数据扩充”的RandAugment数据扩充方法。
TrivialAugmentWide([num_magnitude_bins, …])
使用TrivialAugment Wide进行数据集无关的数据扩充如“TrivialAugment无需调整但最先进的数据扩充”中所述。
AugMix([severity, mixture_width, …])
基于“AugMix:提高鲁棒性和不确定性的简单数据处理方法”的AugMix数据增强方法。

功能转换

函数转换为您提供了对转换管道的细粒度控制。与上述变换不同函数变换不包含参数的随机数生成器。这意味着您必须指定/生成所有参数但函数转换将为您提供跨调用的可复制结果。

示例可以将具有相同参数的函数变换应用于多个图像如下所示

import torchvision.transforms.functional as TF
import random

def my_segmentation_transforms(image, segmentation):
    if random.random() > 0.5:
        angle = random.randint(-30, 30)
        image = TF.rotate(image, angle)
        segmentation = TF.rotate(segmentation, angle)
    # more transforms ...
    return image, segmentation

示例可以使用函数转换来构建具有自定义行为的转换类

import torchvision.transforms.functional as TF
import random

class MyRotationTransform:
    """Rotate by one of the given angles."""

    def __init__(self, angles):
        self.angles = angles

    def __call__(self, x):
        angle = random.choice(self.angles)
        return TF.rotate(x, angle)

rotation_transform = MyRotationTransform(angles=[-30, -15, 0, 15, 30])

adjust_brightness(img, brightness_factor)
调整图像的亮度。
adjust_contrast(img, contrast_factor)
调整图像的对比度。
adjust_gamma(img, gamma[, gain])
对图像执行伽马校正。
adjust_hue(img, hue_factor)
调整图像的色调。
adjust_saturation(img, saturation_factor)
调整图像的颜色饱和度。
adjust_sharpness(img, sharpness_factor)
调整图像的清晰度。
affine(img, angle, translate, scale, shear)
对图像应用仿射变换保持图像中心不变。