ImgAug图像增强

镜像
- 水平镜像
- 上下镜像
随机裁剪
仿射变换
- 缩放图像
- 平移图像
- 旋转图像
- 剪切图像
超像素增强
图像模糊
图像锐化
浮雕效果
边缘检测
高斯噪声
Dropout&CoarseDropout
图像反转
像素值随机加减
像素值随机乘法
对比度调整
Grayscale
像素移动
图像局部区域扭曲
调整色度

总结下imgaug数据增强常用的方法及增强的结果！
测试图片来源于网络
资料参考：https://blog.csdn.net/fenglepeng/article/details/116998236

镜像

水平镜像

iaa.Fliplr(0.5),  # 对50%的图像进行镜像翻转

上下镜像

iaa.Flipud(0.2),  # 对20%的图像做上下翻转

随机裁剪

# 对随机的一部分图像做crop操作
# crop的幅度为0到10%
iaa.Crop(percent=(0, 0.1))

仿射变换

缩放图像

# 图像缩放为80%到120%之间
scale={"x": (0.8, 1.2), "y": (0.8, 1.2)},

平移图像

# 平移±20%之间
translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)},

旋转图像

# 旋转±45度之间
rotate=(-45, 45),

剪切图像

# 剪切变换±16度，（矩形变平行四边形）
shear=(-16, 16),

超像素增强

sometimes(iaa.Superpixels(p_replace=(0, 1.0),n_segments=(20, 200))
),

图像模糊

# 用高斯模糊，均值模糊，中值模糊中的一种增强。
iaa.OneOf([iaa.GaussianBlur((0, 3.0)),iaa.AverageBlur(k=(2, 7)),  # 核大小2~7之间，k=((5, 7), (1, 3))时，核高度5~7，宽度1~3iaa.MedianBlur(k=(3, 11)),
]),

图像锐化

iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)),

浮雕效果

iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)),

边缘检测

# 边缘检测，将检测到的赋值0或者255然后叠在原图上
sometimes(iaa.OneOf([iaa.EdgeDetect(alpha=(0, 0.7)),iaa.DirectedEdgeDetect(alpha=(0, 0.7), direction=(0.0, 1.0)),
])),

高斯噪声

iaa.AdditiveGaussianNoise(loc=0, scale=(0.0, 0.05 * 255), per_channel=0.5),

Dropout&CoarseDropout

# 将1%到10%的像素设置为黑色
# 或者将3%到15%的像素用原图大小2%到5%的黑色方块覆盖
iaa.OneOf([iaa.Dropout((0.01, 0.1), per_channel=0.5),iaa.CoarseDropout((0.03, 0.15), size_percent=(0.02, 0.05),per_channel=0.2),
]),

图像反转

# 5%的概率反转像素的强度，即原来的强度为v那么现在的就是255-v
iaa.Invert(0.05, per_channel=True),

像素值随机加减

# 每个像素随机加减-10到10之间的数
iaa.Add((-10, 10), per_channel=0.5),

像素值随机乘法

# 像素乘上0.5或者1.5之间的数字.
iaa.Multiply((0.5, 1.5), per_channel=0.5),

对比度调整

# 将整个图像的对比度变为原来的一半或者二倍
iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5),

Grayscale

# 将RGB变成灰度图然后乘alpha加在原图上
iaa.Grayscale(alpha=(0.0, 1.0)),

像素移动

# 把像素移动到周围的地方。这个方法在mnist数据集增强中有见到
sometimes(iaa.ElasticTransformation(alpha=(0.5, 3.5), sigma=0.25)),

图像局部区域扭曲

sometimes(iaa.PiecewiseAffine(scale=(0.01, 0.05))),

调整色度

iaa.AddToHue((-60, 60))

学习永远在路上！

ImgAug图像增强相关推荐

「详解」imgaug 图像增强方法
一.Imgaug简介 imgaug 是一个比torchvision更强大的数据增强工具包,这不仅体现在数据增强类别上,也包括数据增强方法的使用.比如,imgaug不仅提供了一些常见的shape增强方法 ...
Imgaug之导入和增强图像
参考Imgaug之导入和增强图像 - 云+社区 - 腾讯云在机器视觉领域,想将深度学习应用于实际工程项目,并最终落地,会遇到很多问题:光照.遮挡等.而采集到的数据通常难以满足各种现实环境,需要进行数 ...
节后综合征疗愈神器，这个开源项目帮你10分钟上手AI算法开发！
想要应用AI技术进行产业智能化升级,又担心缺乏计算机.数学等理论基础? AI算法训练完成,优化部署上线又是一个趟不过去的大坑? 别担心,今天就教大家应用一个开源项目--飞桨全流程开发工具PaddleX ...
接连三次霸榜GitHub，这个国产GitHub项目是真的强...
想要应用 AI 技术进行产业智能化升级,又担心缺乏计算机.数学等理论基础? AI 算法训练完成,优化部署上线又是一个趟不过去的大坑? 别担心,今天就教大家应用一个开源项目--飞桨全流程开发工具 Pad ...
不飘了，让图像识别算法快速产业落地别再实验了，让你的图像识别算法赶紧上线！...
想要应用AI技术进行产业智能化升级,又担心缺乏计算机.数学等理论基础? AI算法训练完成,优化部署上线又是一个趟不过去的大坑? 别担心,今天就教大家应用一个开源项目--飞桨全流程开发工具PaddleX ...
大厂必考深度学习算法面试题
一,滤波器与卷积核二,卷积层和池化输出大小计算 2.1,CNN 中术语解释 2.2,卷积输出大小计算(简化型) 2.3,理解边界效应与填充 padding 参考资料三,深度学习框架的张量形状格式 ...
大厂必考深度学习面试题及参考答案
目录一,滤波器与卷积核二,卷积层和池化输出大小计算 2.1,CNN 中术语解释 2.2,卷积输出大小计算(简化型) 2.3,理解边界效应与填充 padding 参考资料三,深度学习框架的张量形状 ...
开源项目: 揭秘10分钟如何搞定开发部署全流程！
关注+星标公众号,不错过精彩内容来源 | 百度飞桨想要应用AI技术进行产业智能化升级,又担心缺乏计算机.数学等理论基础? AI算法训练完成,优化部署上线又是一个趟不过去的大坑? 别担心,今天就教大 ...
深度学习炼丹-数据增强
一,数据增强概述二,opencv 图像增强-几何变换三,pytorch 图像增强四,imgaug 图像增强参考资料一,数据增强概述数据增强(也叫数据扩增)的目的是为了扩充数据和提升模型的泛 ...

ImgAug图像增强

ImgAug图像增强

镜像

水平镜像

上下镜像

随机裁剪

仿射变换

缩放图像

平移图像

旋转图像

剪切图像

超像素增强

图像模糊

图像锐化

浮雕效果

边缘检测

高斯噪声

Dropout&CoarseDropout

图像反转

像素值随机加减

像素值随机乘法

对比度调整

Grayscale

像素移动

图像局部区域扭曲

调整色度

ImgAug图像增强相关推荐

最新文章

热门文章