機器學習或深度學習模型的訓練的目标是成為“通用”模型。這就需要模型沒有過度拟合訓練資料集，或者換句話說，我們的模型對看不見的資料有很好的了解。資料增強也是避免過度拟合的衆多方法之一。
擴充用于訓練模型的資料量的過程稱為資料增強。通過訓練具有多種資料類型的模型，我們可以獲得更“泛化”的模型。 “多種資料類型”是什麼意思呢？本片文章隻讨論“圖像”資料增強技術，隻詳細地介紹各種圖檔資料增強政策。我們還将使用 PyTorch 動手實踐并實作圖像資料或計算機視覺中主要使用的資料增強技術。
因為介紹的是資料增強技術。是以隻使用一張圖檔就可以了，我們先看看可視話的代碼
import PIL.Image as Image
import torch
from torchvision import transforms
import matplotlib.pyplot as plt
import numpy as np
import warnings
def imshow(img_path, transform):
"""
Function to show data augmentation
Param img_path: path of the image
Param transform: data augmentation technique to apply
"""
img = Image.open(img_path)
fig, ax = plt.subplots(1, 2, figsize=(15, 4))
ax[0].set_title(f'Original image {img.size}')
ax[0].imshow(img)
img = transform(img)
ax[1].set_title(f'Transformed image {img.size}')
ax[1].imshow(img)
Resize/Rescale
此函數用于将圖像的高度和寬度調整為我們想要的特定大小。 下面的代碼示範了我們想要将圖像從其原始大小調整為 224 x 224。
path = './kitten.jpeg'
transform = transforms.Resize((224, 224))
imshow(path, transform)
Cropping
該技術将要選擇的圖像的一部分應用于新圖像。 例如，使用 CenterCrop 來傳回一個中心裁剪的圖像。
transform = transforms.CenterCrop((224, 224))
imshow(path, transform)
RandomResizedCrop
這種方法同時結合了裁剪和調整大小。
transform = transforms.RandomResizedCrop((100, 300))
imshow(path, transform)
Flipping
水準或垂直翻轉圖像，下面代碼将嘗試應用水準翻轉到我們的圖像。
transform = transforms.RandomHorizontalFlip()
imshow(path, transform)
Padding
填充包括在圖像的所有邊緣上按指定的數量填充。我們将每條邊填充50像素。
transform = transforms.Pad((50,50,50,50))
imshow(path, transform)
Rotation
對圖像随機施加旋轉角度。我們将這個角設為15度。
transform = transforms.RandomRotation(15)
imshow(path, transform)
Random Affine
這種技術是一種保持中心不變的變換。 這種技術有一些參數：
- degrees：旋轉角度
- translate：水準和垂直轉換
- scale：縮放參數
- share：圖檔裁剪參數
- fillcolor：圖像外部填充的顔色
transform = transforms.RandomAffine(1, translate=(0.5, 0.5), scale=(1, 1), shear=(1,1), fillcolor=(256,256,256))
imshow(path, transform)
Gaussian Blur
圖像将使用高斯模糊進行模糊處理。
transform = transforms.GaussianBlur(7, 3)
imshow(path, transform)
Grayscale
将彩色圖像轉換為灰階。
transform = transforms.Grayscale(num_output_channels=3)
imshow(path, transform)
顔色增強，也稱為顔色抖動，是通過改變圖像的像素值來修改圖像的顔色屬性的過程。下面的方法都是顔色相關的操作。
Brightness
改變圖像的亮度當與原始圖像對比時，生成的圖像變暗或變亮。
transform = transforms.ColorJitter(brightness=2)
imshow(path, transform)
Contrast
圖像最暗和最亮部分之間的差別程度被稱為對比度。圖像的對比度也可以作為增強進行調整。
transform = transforms.ColorJitter(contrast=2)
imshow(path, transform)
Saturation
圖檔中顔色的分離被定義為飽和度。
transform = transforms.ColorJitter(saturation=20)
imshow(path, transform)
Hue
色調被定義為圖檔中顔色的深淺。
transform = transforms.ColorJitter(hue=2)
imshow(path, transform)
總結
圖像本身的變化将有助于模型對未見資料的泛化，進而不會對資料進行過拟合。以上整理的都是我們常見的資料增強技術，torchvision中還包含了很多方法，可以在他的文檔中找到：https://pytorch.org/vision/stable/transforms.html
作者：Prabowo Yoga Wicaksana