实战｜13个Pytorch 图像增强方法总结（附代码）

文章预览

作者丨结发授长生@知乎 链接丨 https://zhuanlan.zhihu.com/p/559887437 使用数据增强技术可以增加数据集中图像的多样性，从而提高模型的性能和泛化能力。主要的图像增强技术包括： 调整大小 灰度变换 标准化 随机旋转 中心裁剪 随机裁剪 高斯模糊 亮度、对比度调节 水平翻转 垂直翻转 高斯噪声 随机块 中心区域 调整大小 在开始图像大小的调整之前我们需要导入数据（图像以眼底图像为例）。 from PIL import Image from pathlib import Path import matplotlib.pyplot as plt import numpy as np import sys import torch import numpy as np import torchvision.transforms as T plt.rcParams["savefig.bbox"] = 'tight' orig_img = Image.open(Path('image/000001.tif')) torch.manual_seed(0) # 设置 CPU 生成随机数的 种子 ，方便下次复现实验结果 print(np.asarray(orig_img).shape) #(800, 800, 3) #图像大小的调整 resized_imgs = [T.Resize(size=size)(orig_img) for size ………………………………