導讀

我們經常會遇到訓練模型時數據不夠的情況，而且很多時候無法再收集到更多的數據，只能通過做一些數據增強或者其它的方法來合成一些數據。常用的數據增強方式有裁剪、旋轉、縮放、亮度對比度色度飽和度變換、仿射變換、透視變換等，這篇文章我們來介紹一個更方便更多策略的數據增強，主要依賴imgaug來實現。

imgaug

imgaug是一個python的圖像增強庫，它能夠通過輸入圖片產生新圖片的集合，能夠通過不同的策略來改變圖片以達到數據增強的目的。它能夠應用于圖像分類、圖像分割、關鍵點定位、目標檢測等任務的數據增強

github地址：https://github.com/aleju/imgaug

官方文檔：https://imgaug.readthedocs.io/en/latest/source/examples_basics.html

特點

• 多種數據增強技術
  仿射變換、透視變換、對比度改變、高斯噪聲、色度飽和度變化、隨機裁剪、模糊處理
  只處理部分圖片
  隨機順序組合策略進行數據增強
• 支持多種任務處理
  Images、Heatmaps、Segmentation Maps、mask、keypoints、landmarks、Bounding Boxes、Polygons、Line Strings
• 支持多種數據分布
  根據不同的數據分布來產生隨機參數，支持均勻分布、高斯分布、beta分布
• 內置多種輔助函數
  繪制heatmaps、segmentation maps、keypoints、bounding boxes等
  縮放segmentation maps、平均池化、最大池化等
• 多核CPU數據增強加快處理速度

安裝

• 環境要求python2.7或python3.4+
• 使用conda安裝和卸載

#安裝

conda config --add channels conda-forge

conda install imgaug

#卸載

conda remove imgaug

• 使用pip安裝和卸載

#安裝

pip install imgaug

#使用git上最新版本進行安裝

pip install git+https://github.com/aleju/imgaug.git

#卸載

pip uninstall imgaug

使用示例

• 簡單的數據增強

• 結合多種數據增強策略

• bounding box的數據增強

通過上面兩張圖對比，可以發現變換前后，box在圖片上的位置并沒有發生變化。

• 數據增強參數的數據分布設置

• 針對部分通道進行數據增強處理

總結

imgaug還支持很多其它的數據增強策略，比如當seq中圖像增強的方式太多可能會導致圖片受損嚴重，這時候你可以通過iaa.OneOf方法來執行其中一個，也可以通過iaa.SomeOf方法執行其中的幾個等。更多更詳細的應用，大家可以去參考git和官方文檔。

總結

以上是生活随笔為你收集整理的数据增强_imgaug图像数据增强必备工具的全部內容，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。