python图像增强_使用Python进行图像增强

Python中的图像增强示例

我目前正在进行一项研究，审查图像数据增强的深度和有效性。本研究的目标是在有限或者少量数据的情况下，学习如何增加我们的数据集大小,来训练鲁棒性卷积网络模型。

这项研究需要列出所有我们能想到的图像增强方法，并穷举所有这些组合，尝试提高图像分类模型的性能。首先出现在脑海中最简单的图片增强：是翻转，平移，旋转，缩放，隔离个别的r,g,b颜色通道，和添加噪音。更令人兴奋的增强是使用生成对抗网络模型，或用遗传算法交换生成器网络，更有甚者在图像中应用instagram风格的光照滤镜、随机区域锐化滤镜、基于聚类技术的均值图像增强等创新方法。

本文将向您展示如何使用NumPy对图像进行增强。

下面是一些增强技术的列表和说明，如果你能想到任何其他方法来增强图像，可提高图像分类器的质量，请留下评论。

原始图片（未增强）

增强

所有的增强都是在没有OpenCV库的情况下使用Numpy完成的

# Image Loading Code used for these examples

fromPIL importImage

importnumpy asnp

importmatplotlib.pyplot asplt

img = Image.open('./NIKE.png')

img = np.array(img)

plt.imshow(img)

plt.show()

翻转

翻转图像是最流行的图像数据增强方法之一。

这主要是由于翻转代码的简单性以及对于大多数问题的直观性，翻转图像会为模型增加价值。

下面的模型可以被认为是看到左鞋而不是右鞋，因此通过这种数据增加，模型对于看到鞋的潜在变化变得更加健壮。

#Flipping images with Numpy

flipped_img = np.fliplr(img)

plt.imshow(flipped_img)

plt.show()

平移

平移增强对检测类分类器有很大价值。这个分类模型试图检测鞋子何时在图像中而不是在图像中。

平移将有助于它在不看鞋架的整个鞋子的情况下拿起鞋子。

# Shifting Left

fori inrange(HEIGHT, 1, -1):

forj inrange(WIDTH):

if(i < HEIGHT-20):

img[j][i] = img[j][i-20]

elif(i < HEIGHT-1):

img[j][i] = 0

plt.imshow(img)

plt.show()

# Shifting Right

forj inrange(WIDTH):

fori inrange(HEIGHT):

if(i < HEIGHT-20):

img[j][i] = img[j][i+20]

plt.imshow(img)

plt.show()

# Shifting Up

forj inrange(WIDTH):

fori inrange(HEIGHT):

if(j < WIDTH - 20andj > 20):

img[j][i] = img[j+20][i]

else:

img[j][i] = 0

plt.imshow(img)

plt.show()

#Shifting Down

forj inrange(WIDTH, 1, -1):

fori inrange(278):

if(j < 144andj > 20):

img[j][i] = img[j-20][i]

plt.imshow(img)

plt.show()

噪点

噪点是一种有趣的增强技术。我已经看过很多关于对抗训练的有趣论文，你可以将一些噪点投入到图像中，因此模型无法正确分类。但我仍然在寻找产生比下图更好的噪点的方法。添加噪点可能有助于光照畸变并使模型更加鲁棒（编者就2：意思是这里让边缘光照发生失真，让尺度不变的情况下特征转变（SIFT），从而能增加鲁棒性（SURF)，使得识别更加准确，不过，看这文章的水平应该是我多虑了）。

# ADDING NOISE

noise = np.random.randint(5, size = (164, 278, 4), dtype = 'uint8')

fori inrange(WIDTH):

forj inrange(HEIGHT):

fork inrange(DEPTH):

if(img[i][j][k] != 255):

img[i][j][k] += noise[i][j][k]

plt.imshow(img)

plt.show()

GANs（生成对抗网络）

我已经收到很多关于研究使用Generative Adversarial Networks进行数据增强的兴趣，下面是我能够使用MNIST数据集生成的一些图像。

正如我们从上面的图片中可以看出的那样，它们确实看起来像3 ，7和9。我目前在扩展网络架构方面遇到一些麻烦，以支持运动鞋的300x300x3尺寸输出，而不是28x28x1 MNIST数字。

但是，我对这项研究感到非常兴奋，并期待继续这项研究！感谢您阅读本文，希望您现在知道如何实现基本数据扩充以改进您的分类模型！

http://www.gair.link/page/TextTranslation/1088

你每天都有接触到计算机视觉，尽管你没有意识到使用 PCA 进行特征提取使用卷积神经网络做语义分割

如何通过深度学习轻松实现自动化监控

为计算机视觉生成大的、合成的、带标注的、逼真的数据集

使用深度学习做语义分割：简介和代码

使用 SKIL 和 YOLO 构建产品级目标检测系统

MultiTracker 类：基于 OpenCV 的多目标追踪（Python/C++）返回搜狐，查看更多

python图像增强_使用Python进行图像增强相关推荐

第一章第一节：Python基础_认识Python
Python基础入门(全套保姆级教程) 第一章第一节:Python基础_认识Python 1. 什么是编程通俗易懂,编程就是用代码编写程序,编写程序有很多种办法,像c语言,javaPython语言 ...
java python算法_用Python，Java和C ++示例解释的排序算法
java python算法什么是排序算法? (What is a Sorting Algorithm?) Sorting algorithms are a set of instructions t ...
excel python插件_利用 Python 插件 xlwings 读写 Excel
Python 通过 xlwings 读取 Excel 数据去年底公司让我做设备管理,多次委婉拒绝,最终还是做了.其实我比较喜欢技术.做管理后发现现场没有停机率统计,而原始数据有,每次要自己在Exce ...
网络安全用python吗_使用Python进行网络安全渗透——密码攻击测试器
相关文章: 本篇将会涉及: HTTP 基本认证对HTTP Basic认证进行密码暴力攻击测试什么是HTTP 基本认证 HTTP基本认证(HTTP Basic Authentication)是HTT ...
动态照片墙 python 实现_利用python生成照片墙的示例代码
这篇文章主要介绍了利用python生成照片墙的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧 PIL(Python Im ...
python字符串_（Python基础教程之七）Python字符串操作
Python基础教程在SublimeEditor中配置Python环境 Python代码中添加注释 Python中的变量的使用 Python中的数据类型 Python中的关键字 Python字符串操 ...
python 字符识别_使用python进行光学字符识别入门
python 字符识别语言模型设计 (Language Model Designing) Optical Character Recognition is the conversion of 2-D ...
类的继承python事例_【Python五篇慢慢弹（5）】类的继承案例解析，python相关知识延伸...
作者:白宁超 2016年10月10日22:36:57 摘要:继一文之后,笔者又将python官方文档认真学习下.官方给出的pythondoc入门资料包含了基本要点.本文是对文档常用核心要点进行梳理,简 ...
【100天精通python】Day1：python入门_初识python，搭建python环境，运行第一个python小程序
目录专栏导读 1 初始python python 概述 python的应用领域应用python的公司 2 搭建python 开发环境 2.1 安装python(以windows 系统为例)(1)下 ...
python计算机_基础python计算机知识
1.计算机基础知识计算机基础 :组成---输入输出设备储存器 CPU 内存 cpu 中央处理器 :处理各种数据的内存存储数据硬盘存储数据的什么是操作系统:控制计算机的工作流程软件什么 ...

python图像增强_使用Python进行图像增强

python图像增强_使用Python进行图像增强相关推荐

最新文章

热门文章