1、数据加强作用
制止过拟合
提升模子的鲁棒性
进步模子的泛化能力
制止样本不平衡的题目
2.、数据加强分类
可分为两类：在线加强和离线加强。这两者的区别在于离线加强是在训练前对数据集进行处置处罚，每每能得到多倍的数据集，在线加强是在训练时对加载数据进行预处置处罚，不改变训练数据的数量。
离线加强一样平常用于小型数据集，在训练数据不敷时利用，在线加强一样平常用于大型数据集。
3、方法
比力常用的多少变更方法重要有：翻转，旋转，裁剪，缩放，平移转换，色彩抖动，尺度变更，对比度变更，噪声扰动，旋转变更；
比力常用的像素变更方法有：加椒盐噪声，高斯噪声，进行高斯含糊，调解HSV对比度，调节亮度，饱和度，直方图平衡化，调解白平衡等。
利用Augmentor模块加强
注意：
原图与标签图的后缀名必须保持划一，否则只标签图不会加强的
由于我的图像是由labelme标注的，且将其转化为voc的格式，转化后原图为jpg，原图为png，由于需要同一。同一方式如下：批量修改图像后缀名。
1、安装：
创建一个情况，然后输入安装下令，下令如下
pip install Augmentor
conda install Augmentor
表现安装乐成，既可以继承了。
2、利用：
语义分割使命需要同时对原始图和掩码图（mask）进行加强，因此，很多现有的深度学习框架中自带的图像加强工具都不能直接利用。但是通过Augmentor可以很方便的实现该功能。下面举例分析。将图像原图以及它们对应的掩码图，分别放在test1文件夹以及test2文件夹中。利用以下代码进行加强
原始图
标签图
- #导入数据增强工具
- import Augmentor
- #确定原始图像存储路径以及标签图的文件存储路径，创建Pipeline实例p
- p = Augmentor.Pipeline("originalImages")
- p.ground_truth("Segmentationimages")
probability指定进行操纵的概率大小，max_left_rotation, max_right_rotation指定向左向右最大旋转角度，最大值为25。sample表示从给定图像中生成指定命量的加强图像，可指定多个。
rotate操纵默认在对原图像进行旋转之后进行裁剪，输出与原图像同样大小的加强图像。
- p.rotate(probability=1, max_left_rotation=25, max_right_rotation=25)
- p.sample(1)
scale_factor表示缩放比例，只能大于1，且为等比放大。
- p.scale(probability=1, scale_factor=1.3)
左右翻转、上下翻转、随机翻转
- p.flip_random(probability=1) %随机翻转
- p.flip_left_right(probability=0.5) %左右翻转
- p.flip_top_bottom(probability=0.5) %上下翻转
min_factor, max_factor为厘革因子，决定亮度厘革的程度，可根据结果指定。
- p.random_brightness(probability=1, min_factor=0.7, max_factor=1.2) %随机亮度
- p.random_color(probability=1, min_factor=0.0, max_factor=1) %随机颜色
- p.random_contrast(probability=1, min_factor=0.7, max_factor=1.2) %随机对比度
magnitude表示变形程度。隐蔽参数skew_type，值为``TILT``, ``TILT_TOP_BOTTOM``, ``TILT_LEFT_RIGHT``, ``CORNER``，睁开源码才可以看到。源码中接纳randomly的方式从四种参数中选择，不需指定。
此中，``TILT_TOP_BOTTOM``表示只在顶部底部方向进行透视变形。
``TILT_LEFT_RIGHT``表示只在左右方向进行透视变形。
``CORNER``表示只在四角方向进行透视变形。
``TILT``包含上述方向的聚集，即上下左右和四角的八个方向。
- p.skew(probability=1, magnitude=0.8)
剪切变更，max_shear_left，max_shear_right为剪切变更角度
- p.shear(probability=1, max_shear_left=15, max_shear_right=15)
percentage_area表示裁剪面积占原图像面积的比例，centre指定是否从图片中间裁剪，randomise_percentage_area指定是否随机生成裁剪面积比。
- p.crop_random(probability=1, percentage_area=0.8, centre=False, randomise_percentage_area=True)
rectangle_area指定随机擦除面积的百分比。固然这个指定的是擦除面积的上限。
- p.random_erasing(probability=1, rectangle_area=0.5)
- p.random_distortion(probability=0.8,grid_width=10,grid_height=10, magnitude=20)
- import Augmentor
- # 确定原始图像存储路径以及掩码文件存储路径，需要把“\”改成“/”
- p = Augmentor.Pipeline("originalImages")
- p.ground_truth("Segmentationimages")
- # 图像旋转： 按照概率0.8执行，范围在0-25之间
- p.rotate(probability=0.8, max_left_rotation=25, max_right_rotation=25)
- # 图像左右互换： 按照概率0.5执行
- p.flip_left_right(probability=0.5)
- p.flip_top_bottom(probability=0.5)
- # 图像放大缩小： 按照概率0.8执行，面积为原始图0.85倍
- p.zoom_random(probability=0.3, percentage_area=0.85)
- #scale_factor表示缩放比例，只能大于1，且为等比放大。
- p.scale(probability=1, scale_factor=1.3)
- #小块变形
- p.random_distortion(probability=0.8,grid_width=10,grid_height=10, magnitude=20)
- #随机亮度增强/减弱，min_factor, max_factor为变化因子，决定亮度变化的程度，可根据效果指定
- p.random_brightness(probability=1, min_factor=0.7, max_factor=1.2)
- #随机颜色/对比度增强/减弱
- #p.random_color(probability=1, min_factor=0.0, max_factor=1)
- p.random_contrast(probability=1, min_factor=0.7, max_factor=1.2)
- #随机剪切(shear) max_shear_left，max_shear_right为剪切变换角度 范围0-25
- p.shear(probability=1, max_shear_left=10, max_shear_right=10)
- #随机裁剪(random_crop)
- p.crop_random(probability=1, percentage_area=0.8, randomise_percentage_area=True)
- #随机翻转(flip_random)
- p.flip_random(probability=1)
- # 最终扩充的数据样本数可以更换为100。1000等
- p.sample(10)
然后自己手动分开即可。
来源：https://blog.csdn.net/weixin_45912366/article/details/127855494
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ |
