位置: IT常识 - 正文
推荐整理分享【语义分割】数据增强方法(原图与标签同时扩增)(语义分割入门教程),希望有所帮助,仅作参考,欢迎阅读内容。
文章相关热门搜索词:语义分割 iou,语义分割定义,语义分割什么意思,语义分割入门教程,语义分割定义,语义分割入门教程,语义分割常用算法,语义分割定义,内容如对您有帮助,希望把文章链接给更多的朋友!
避免过拟合
提升模型的鲁棒性
提高模型的泛化能力
避免样本不均衡的问题
2.、数据增强分类可分为两类:在线增强和离线增强。这两者的区别在于离线增强是在训练前对数据集进行处理,往往能得到多倍的数据集,在线增强是在训练时对加载数据进行预处理,不改变训练数据的数量。
离线增强一般用于小型数据集,在训练数据不足时使用,在线增强一般用于大型数据集。
3、方法比较常用的几何变换方法主要有:翻转,旋转,裁剪,缩放,平移转换,色彩抖动,尺度变换,对比度变换,噪声扰动,旋转变换;
比较常用的像素变换方法有:加椒盐噪声,高斯噪声,进行高斯模糊,调整HSV对比度,调节亮度,饱和度,直方图均衡化,调整白平衡等。
使用Augmentor模块增强注意: 原图与标签图的后缀名必须保持一致,否则只标签图不会增强的
因为我的图像是由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,因为需要统一。统一方式如下:批量修改图像后缀名。
1、安装: 创建一个环境,然后输入安装命令,命令如下
pip install Augmentor
conda install Augmentor
显示安装成功,既可以继续了。
2、使用:
语义分割任务需要同时对原始图和掩码图(mask)进行增强,因此,很多现有的深度学习框架中自带的图像增强工具都不能直接使用。但是通过Augmentor可以很方便的实现该功能。下面举例说明。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。使用以下代码进行增强
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pp = Augmentor.Pipeline("originalImages")p.ground_truth("Segmentationimages")(1)旋转(rotate)
probability指定进行操作的概率大小,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数量的增强图像,可指定多个。
rotate操作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增强图像。
p.rotate(probability=1, max_left_rotation=25, max_right_rotation=25)p.sample(1)(2)缩放(scale),但貌似只能等比放大
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)(3)翻转(flip)
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(4)随机亮度增强/减弱(random_brightness)
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(5)随机透视变形(skew)
magnitude表示变形程度。隐藏参数skew_type,值为``TILT``, ``TILT_TOP_BOTTOM``, ``TILT_LEFT_RIGHT``, ``CORNER``,展开源码才可以看到。源码中采用randomly的方式从四种参数中选择,不需指定。
其中,``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``包含上述方向的集合,即上下左右和四角的八个方向。
p.skew(probability=1, magnitude=0.8)(6)随机剪切(shear)
剪切变换,max_shear_left,max_shear_right为剪切变换角度
p.shear(probability=1, max_shear_left=15, max_shear_right=15)(7)随机裁剪(random_crop)
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)(8)随机擦除/遮挡(random_erasing)
rectangle_area指定随机擦除面积的百分比。当然这个指定的是擦除面积的上限。
p.random_erasing(probability=1, rectangle_area=0.5)(9)小块变形distortion
p.random_distortion(probability=0.8,grid_width=10,grid_height=10, magnitude=20)完整代码:
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0-25p.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)会自动生成一个out结果,效果如下:
然后自己手动分开即可。
上一篇:vue3中使用vue-i18n(ts中使用$t, vue3不用this)(vue3中使用for循环引用多个组件)
友情链接: 武汉网站建设