版權聲明：本文為博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/SMF0504/article/details/78695908

???????? 好久沒有寫博客，一直想重新調整自己的博客，想盡可能寫的前后連貫一點，同時希望自己寫的更通熟易懂些，可是遲遲沒有動筆修改曾經的博文，哎，還是慢慢跟著自己的理解再修改之前的文章吧，今兒就寫寫關于深度學習訓練中最關鍵的一步，數據問題，也就是樣本庫的建立！來記錄一下自己的心得以及思考！

緒言

??????? 為啥要寫數據，又說數據是深度學習中最關鍵的一步呢？算法是重要，但是呢，真正實際工程中，業務需求 > 數據? > 算法！根據業務需求來選擇適合的數據，我們對數據的處理也是來源業務的需求！而數據選擇何種增廣方式也需要根據實際做的項目來確定的，舉個例子！比如：做車型識別，大家可以想象到，車型識別是干嘛的？嗯，“型”是什么？就是形狀有所差別吧！很多人可能已經想到了，對，處理數據是，我們就先從幾何形狀來增廣數據！那么如果是車身顏色呢？又有小伙伴會想到是不是先從顏色來入手來增廣數據呢？對了嘛，就是的呢！不過，你不能排除其他的影響，你可以先從你可以想到的角度入手，也要測試一下其他的變化方式！比如說，車型對形狀敏感，做完形狀之后，你來改變一下亮度或者對比度的變化等等！

??????? 本文代碼實現是用的Matlab！

一， 原始樣本的采集制作

????? 訓練的第一步就是采集數據制作樣本！這個我覺得還是挺關鍵的，我看了很多視頻課以及一些博客什么的，很多沒有在這里寫一些東西，來告知我們一些注意的問題，就是盡可能能保持現實生活中真實的模樣，那么是增廣的數據也需要注意模擬現實生活中數據模樣，通熟一點就是，貼近現實生活場景！

舉例子:

????????我們需要從圖a中截取出Bus，扣出來的圖片，當我們送去訓練的時候，還需要將所有樣本調整到一樣的大小！假定我們調整的到128*128大小，如果我們不做任何補缺部分，我們就會出現圖b中的左邊的圖，這個圖是發生改變的，也就是說形狀發生了改變與真實數據有了偏差！但是我們在確實部分有0來補缺，就會像圖b中的左圖！如果你來選擇你會選擇哪一張圖呢？毋庸置疑，圖b中的左圖作為訓練數據，同時這個數據還模擬了現實生活中那些被遮擋的數據，你說是不是呢？從這里你有沒有得到一個啟發，就是如果這是一個完整的車，你可不可以通過將部分置黑來起到數據增廣的作用呢？

?

????

??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 圖 a?

?????

圖 b

?

?

?

二， 數據增廣

????? ?在不改變圖像類別的情況下，增加數據量，能提高模型的泛化能力！自然圖像的數據增廣方式包括很多！從幾何角度來看，常用的有：水平翻轉（也就通差說的是鏡像）， 一定程度的位移，裁剪，旋轉等！從像素變換來看，常用的有：顏色抖動（color jittering），增加噪聲，例如椒鹽噪聲，高斯噪聲等。此外還可以嘗試多種操作的組合，?例如同時做旋轉和隨機尺度變換，此外還可以把每個patch中所有像素在HSV顏色空間中的飽和度和明度提升0.25-4次冪方，乘以0.7-1.4之間的一個因子，再加一個-0.1-0.1之間的值。同樣你可以在色調通道（H）對每張圖片或patch的所有像素增加一個-0.1-0.1之間的值。

1. 幾何變換

??? （1）翻轉

??????????? 例如：水平翻轉，豎直翻轉！其實翻轉也不是隨意翻轉的，要根據實際情況來翻轉，比如，關于人臉，你上下翻轉了就變成倒的人臉了，這個就沒有了實際意義，如果是左右翻轉了，也沒有太大的實際意義，因為人臉是對稱的，你翻轉之后還是一樣的！但是對于那些沒有對稱結構的物體圖片，你做翻轉還是挺有作用的，就相當于有兩條數據了啊！不過你，你做測試的時候，可以看看對這個翻轉數據敏感不敏感，如果敏感，你就把那些檢測錯誤的數據添加到樣本庫，或者以低于某個概率的樣本增加到樣本庫！這就起到它的作用了！

matlab代碼實現：

bmp = imread(filname);

I = fliplr(bmp);

filename是圖片的文件名路徑；鏡像操作之后的圖片如下圖所示：

????? （2）平移

?????????????? 這個位置的移動，模擬了現實生活中的那些圖片不居中的情況，發生位置的擾動！

matlab代碼實現：

bmp = imread(filename); %讀入圖片 se= translate(strel(1), [y, x]); Img = imdilate(bmp, se);

strel用來創建形態學結構元素;

translate（se, [y, x]）在原結構元素se上進行上下偏移，以及左右偏移，y>0 是向下移動，y<0是向上移動；x>0是向左，x<0是向右；

imdilate是形態學膨脹。

平移之后的圖片，最左邊是原圖，中間是向下以及向左平移，最右邊的是向上以及向左平移的結果！

?

???? （3）部分置黑

???????????? 這個數據模擬了那些被部分遮擋的數據樣本

matlab代碼實現：

I = imread(filename);

Img = I;

Img(1:up, left:right,:) = 0;

Img(down:row, left:right,:) = 0;

Img(up:down, 1:left,:) = 0;

Img(up:down, right:col,:) = 0;

?

???? （4）旋轉

??matlab代碼實現：

bmp = imread(filename);

I = imrotate(bmp, 10, 'bilinear', 'crop');

這里10只是一個數值，可以改為你想旋轉的度數。正數向右，負數向左！

這個比較簡單，如圖所示：

????（5）截切

matlab代碼實現：

RGB=imread('1,jpg');

RGB1=imcrop(RGB,[60,255,400,425]);

注意，剪切的時候，在原始的數據上剪切！其實，我覺得這個功能有類似于平移的功能！發生一些位置的偏移！

?????（6）縮放（scale）

這個其實就是現實圖片放大或者縮小功能！這里的縮放不同于訓練前數據統一調整到一樣大小的縮放！這只是在原始中稍微改動一些截取的區域，也就是增加或者較少背景的調整，最終還是需要將這些數據調整到你規定的訓練數據大小的！

?

????? 幾何變換暫時先寫這么多，后續再進行補充!

2,像素變換

??? （1）增加噪聲和濾波

?

matlab代碼實現：

bmp = imread(filename);

I1 = imnoise(bmp, 'salt & pepper'); %椒鹽噪聲

w = [1 2 1; 2 4 2; 1 2 1];

I2 = imfilter(bmp, w, 'corr', 'replicate'); %高斯噪聲

w = [1 1 1; 1 1 1; 1 1 1] / 9;

I3 = imfilter(bmp, w, 'corr', 'replicate'); %平均平滑

I4 = medfilt2(bmp, [3, 3]); %中值濾波

?

噪聲的方式也比較多，比如椒鹽噪聲，高斯噪聲，中值濾波等等！

???

?? ?（2）變換通道

??????????? 就是調整RBG三個通道的順序

matlab代碼實現：

bmp = imread(filename); I1 = cat(3, bmp(:,:,3), bmp(:,:,2), bmp(:,:,1)); I2 = cat(3, bmp(:,:,1), bmp(:,:,3), bmp(:,:,2));

?????

??? （3）調整對比度和亮度

???????? 這個模擬了不同光照的影響！這個暫時先不講了，百度太多了，再寫就是重復工作（不過，不排除之后還是補充寫一下，哈哈）

?

其實關于數據像素除了的也還有，就如我剛剛在開頭寫的都已經幫大家列出來了！

??

結束語

?????? 寫這篇文章的目的其實為了梳理一下，在數據處理方便的方法有哪些，如果大家還有一些好的方法，希望大家可以指點我一下！知識在于分享，你知道一個給我一個，我知道一個分享一個給你，那么我們就有兩個知識！

總結

以上是生活随笔為你收集整理的深度学习训练中关于数据处理方式--原始样本采集以及数据增广的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。