在之前课程中，我们已经熟悉了 PyTorch 中 transforms 的运行机制，它提供了大量的图像增强方法，例如裁剪、旋转、翻转等等，以及可以自定义实现增强方法。本节课中，我们将进一步学习 transforms 中的图像增强方法。

1. 数据增强

数据增强 (Data Augmentation) 又称为数据增广、数据扩增，它是对 训练集 进行变换，使训练集更丰富，从而让模型更具 泛化能力。

例子：

例子：

2. transforms 裁剪

transforms.CenterCrop

功能：从图像中心裁剪图片。

transforms.CenterCrop(size)

主要参数：

• size：所需裁剪图片尺寸。

代码示例：

我们有一个 224 $\times$ 224 的图片，我们将其从中心裁剪为 196 $\times$ 196 的图片。

train_transform = transforms.Compose([
    transforms.Resize((224, 224)),

    # CenterCrop，如果 size 大于原始尺寸，多余部分将用黑色 (即像素值为 0) 填充
    transforms.CenterCrop(196)
])

transforms.RandomCrop

功能：从图片中随机裁剪出尺寸为 size 的图片。

transforms.RandomCrop(
    size,
    padding=None,
    pad_if_needed=False,
    fill=0,
    padding_mode='constant'
)

主要参数：

• size：所需裁剪图片尺寸。
• padding：设置填充大小。
  • 当为 a 时，上下左右均填充 a 个像素。
  • 当为 (a, b) 时， 上下填充 b 个像素， 左右填充 a 个像素。
  • 当为 (a, b, c, d) 时，左、上、右、下分别填充 a、b、c、d 个像素。
• pad_if_need：若图像小于设定 size，则填充，此时该项需要设置为 True。
• padding_mode：填充模式，有 4 种模式：
  • constant：像素值由 fill 设定。
  • edge：像素值由图像边缘像素决定。
  • reflect：镜像填充，最后一个像素不镜像，例如 [1, 2, 3, 4] $\to$ [3, 2, 1, 2, 3, 4, 3, 2]。
  • symmetric：镜像填充，最后一个像素镜像，例如 [1, 2, 3, 4] $\to$ [2, 1, 1, 2, 3, 4, 4, 3]。
• fill：padding_mode = 'constant' 时，设置填充的像素值。

transforms.RandomResizedCrop

功能：随机大小、长宽比裁剪图片。

RandomResizedCrop(
    size,
    scale=(0.08, 1.0),
    ratio=(3/4, 4/3),
    interpolation
)

主要参数：

• size：所需裁剪图片尺寸。
• scale：随机裁剪面积比例，默认 (0.08, 1)。
• ratio：随机长宽比，默认 (3/4, 4/3)。
• interpolation：插值方法。
  • PIL.Image.NEAREST
  • PIL.Image.BILINEAR
  • PIL.Image.BICUBIC

transforms.FiveCrop

功能：在图像的上下左右以及中心裁剪出尺寸为 size 的 5 张图片。

transforms.FiveCrop(size)

主要参数：

• size：所需裁剪图片尺寸。

代码示例：

train_transform = transforms.Compose([
    transforms.Resize((224, 224)),
    # 注意：由于生成了 5 张图片，返回的是一个元组，我们需要将其转换为 PIL Image 或者 ndarray 的形式。
    transforms.FiveCrop(112),
    transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops]))
])

transforms.TenCrop

功能：在图像的上下左右以及中心裁剪出尺寸为 size 的 5 张图片，并对这 5 张图片进行水平或者垂直镜像获得 10 张图片。

transforms.TenCrop(
    size,
    vertical_flip=False
)

主要参数：

• size：所需裁剪图片尺寸。
• vertical_flip：是否垂直翻转。

代码示例：

train_transform = transforms.Compose([
    transforms.Resize((224, 224)),
    # 注意：由于生成了 10 张图片，返回的是一个元组，我们需要将其转换为 PIL Image 或者 ndarray 的形式。
    transforms.TenCrop(112, vertical_flip=False),
    transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])),
])

3. transforms 翻转、旋转

3.1 transforms 翻转

transforms.RandomHorizontalFlip

功能：依概率水平（左右）翻转图片。

transforms.RandomHorizontalFlip(p=0.5)

主要参数：

• p：翻转概率。

transforms.RandomVerticalFlip

功能：依概率垂直（上下）翻转图片。

transforms.RandomVerticalFlip(p=0.5)

主要参数：

• p：翻转概率。

3.2 transforms 旋转

transforms.RandomRotation

功能：随机旋转图片。

RandomRotation(
    degrees,
    resample=False,
    expand=False,
    center=None
)

主要参数：

• degrees：旋转角度。
  • 当为 a 时，在 (-a, a) 之间随机选择旋转角度。
  • 当为 (a, b) 时，在 (a, b) 之间随机选择旋转角度。
• resample：重采样方法。
• expand：是否扩大图片，以保持原图信息。
• center：旋转点设置，默认中心旋转。

例子：

4. 总结

本节课中，我们学习了数据预处理模块 transforms 中的数据增强方法：裁剪、翻转和旋转。在下次课程中 ，我们将会学习 transforms 中的其他数据增强方法。

来自：YEY 的博客