数据读取及数据增强
1.数据增强
1.1 CV中的数据增强
- 1.图片数据易于做扩充,只要加以旋转,缩放,剪切,滤波,色彩空间变换,就可以得到同一主体的不同视图。
- 2.数据扩充提高模型准确度,由于输入数据的特殊性,图片识别主体为三维,在现实世界中不同方向会造成不同的视图,为了学习器能从多个角度学习主体,提高泛化能力,使用增强数据可以模拟现实中物体多角度多环境下的情况。
- 3.深度学习涉及到的参数众多,需要大量训练样本,数据集增强可以解决其样本数不足的问题。
总结来说,数据增强就是为了提高模型的泛化性能!
不做数据增强,学习器学到的特征可能很片面。如下图,从这种数据中,学习到的只是从车头方向来判断车辆类型,而不是从车本身特点来判断。
1.2 数据增强的常用方法
数据扩增方法可以从颜色空间、尺度空间到样本空间来分类。对于图像分类,数据增强一般不会改变标签,只是改变同一物体不同视角下的图像;对于物体检测,数据扩增会改变物体坐标位置;对于图像分割,数据扩增会改变像素标签。
常见的数据扩增方法:基本方法从图像颜色、尺寸、形态、空间和像素等角度进行变换。将这几种方式自由进行组合,可以得到更加丰富的数据扩增方法。
1.3 常见的数据增强库
1.3.1 torchvision
库简介:
torchvision独立于pytorch。也是常有的数据转换增强库。安装时要注意版本,不然很容易版本不匹配。torchvision包由流行的数据集(torchvision.datasets)、模型架构(torchvision.models)和用于计算机视觉的常见图像转换组成(torchvision.transforms)。Github地址
pytorch官方提供的数据扩增库,提供了基本的数据数据扩增方法,可以无缝与torch进行集成;但数据扩增方法种类较少,且速度中等;
torchvision常见的数据扩增方法
transforms.CenterCrop 对图片中心进行裁剪
transforms.ColorJitter 对图像颜色的对比度、饱和度和零度进行变换
transforms.FiveCrop 对图像四个角和中心进行裁剪得到五分图像
transforms.Grayscale 对图像进行灰度变换
transforms.Pad 使用固定值进行像素填充
transforms.RandomAffine 随机仿射变换
transforms.RandomCrop 随机区域裁剪
transforms.RandomHorizontalFlip 随机水平翻转
transforms.RandomRotation 随机旋转
transforms.RandomVerticalFlip 随机垂直翻转
1.3.2 imgaug
库介绍:
This python library helps you with augmenting images for your machine learning projects. It converts a set of input images into a new, much larger set of slightly altered images.GIthub地址
这个python的库可以帮助你在你的机器学习项目中增强你的数据。它可以将你的输入图片转换成很多新的、更大数据量的轻微变动的图片,这对于数量比较小的数据集来说简直是福音!!
1.3.3 albumentations
库简介:
albumentations是深度学习中网络训练时图片数据增强常用库之一,功能十分丰富。该库有以下特点:
- 基于高度优化的 OpenCV 库实现图像快速数据增强.
- 针对不同图像任务,如分割,检测等,超级简单的 API 接口.
- 易于个性化定制.
- 易于添加到其它框架,比如 PyTorch.
安装方法:
pip install albumentations # 或 sudo pip install -U git+https://github.com/albu/albumentations
2.数据读取
2.1 Pillow读取图片
效果 | 代码 |
---|---|
from PIL import Image # 导入Pillow库 # 读取图片 im =Image.open(cat.jpg’)] |
|
from PIL import Image, ImageFilter im = Image.open(‘cat.jpg’) # 应用模糊滤镜: im2 = im.filter(ImageFilter.BLUR) im2.save(‘blur.jpg’, ‘jpeg’) |
|
from PIL import Image # 打开一个jpg图像文件,注意是当前路径: im = Image.open(‘cat.jpg’) im.thumbnail((w//2, h//2)) im.save(‘thumbnail.jpg’, ‘jpeg’) |
当然上面只演示了Pillow最基础的操作,Pillow还有很多图像操作,是图像处理的必备库。
Pillow的官方文档:https://pillow.readthedocs.io/en/stable/
2.2 Opencv读取图片
OpenCV是一个跨平台的计算机视觉库,最早由Intel开源得来。OpenCV发展的非常早,拥有众多的计算机视觉、数字图像处理和机器视觉等功能。OpenCV在功能上比Pillow更加强大很多,学习成本也高很多。
效果 | 代码 |
---|---|
import cv2 # 导入Opencv库 img = cv2.imread(‘cat.jpg’) # Opencv默认颜色通道顺序是BRG,转换一下 img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) |
|
import cv2 # 导入Opencv库 img = cv2.imread(‘cat.jpg’) img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图 |
|
import cv2 # 导入Opencv库 img = cv2.imread(‘cat.jpg’) img =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换为灰度图 # Canny边缘检测 edges = cv2.Canny(img, 30, 70) cv2.imwrite(‘canny.jpg’, edges) |
OpenCV包含了众多的图像处理的功能,OpenCV包含了你能想得到的只要与图像相关的操作。此外OpenCV还内置了很多的图像特征处理算法,如关键点检测、边缘检测和直线检测等。
OpenCV官网:https://opencv.org/
OpenCV Github:https://github.com/opencv/opencv
OpenCV 扩展算法库:https://github.com/opencv/opencv_contrib
3.使用pytorch读取数据
在Pytorch中数据是通过Dataset进行封装,并通过DataLoder进行并行读取。所以我们只需要重载一下数据读取的逻辑就可以完成数据的读取。
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
data = SVHNDataset(train_path, train_label,
transforms.Compose([
# 缩放到固定尺寸
transforms.Resize((64, 128)),
# 随机颜色变换
transforms.ColorJitter(0.2, 0.2, 0.2),
# 加入随机旋转
transforms.RandomRotation(5),
# 将图片转换为pytorch 的tesntor
# transforms.ToTensor(),
# 对图像像素进行归一化
# transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
]))
通过上述代码,可以将赛题的图像数据和对应标签进行读取,在读取过程中的进行数据扩增,效果如下所示:
接下来我们将在定义好的Dataset基础上构建DataLoder,这里需要注意Dataset和DataLode是两个不同的概念,是为了实现不同的功能。
- Dataset:对数据集的封装,提供索引方式的对数据样本进行读取
- DataLoder:对Dataset进行封装,提供批量读取的迭代读取
加入DataLoder后,数据读取代码改为如下:
import os, sys, glob, shutil, json
import cv2
from PIL import Image
import numpy as np
import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
class SVHNDataset(Dataset):
def __init__(self, img_path, img_label, transform=None):
self.img_path = img_path
self.img_label = img_label
if transform is not None:
self.transform = transform
else:
self.transform = None
def __getitem__(self, index):
img = Image.open(self.img_path[index]).convert('RGB')
if self.transform is not None:
img = self.transform(img)
# 原始SVHN中类别10为数字0
lbl = np.array(self.img_label[index], dtype=np.int)
lbl = list(lbl) + (5 - len(lbl)) * [10]
return img, torch.from_numpy(np.array(lbl[:5]))
def __len__(self):
return len(self.img_path)
train_path = glob.glob('../input/train/*.png')
train_path.sort()
train_json = json.load(open('../input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
train_loader = torch.utils.data.DataLoader(
SVHNDataset(train_path, train_label,
transforms.Compose([
transforms.Resize((64, 128)),
transforms.ColorJitter(0.3, 0.3, 0.2),
transforms.RandomRotation(5),
transforms.ToTensor(),
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])),
batch_size=10, # 每批样本个数
shuffle=False, # 是否打乱顺序
num_workers=10, # 读取的线程个数
)
for data in train_loader:
break
在加入DataLoder后,数据按照批次获取,每批次调用Dataset读取单个样本进行拼接。此时data的格式为:
torch.Size([10, 3, 64, 128]), torch.Size([10, 6])
前者为图像文件,为batchsize * chanel * height * width次序;后者为字符标签。
参考
- 一个很有用的数据增强的库——imgaug(附安装过程)
- torchvision简介
- Albumentations数据增强方法
- 本博客内容来自DataWhale CV项目学习