Data Augmentation: 基于albumentations库的图像数据增强

Python Data Augmentation 基于albumentations库的图像数据增强

​ Albumentations 是一个用于图像增强的 Python 库。图像增强用于深度学习和计算机视觉任务，以提高训练模型的质量。图像增强的目的是从现有数据中创建新的训练样本。

​ 这是一个示例，说明如何应用来自 Albumentations 的一些增强功能从原始图像创建新图像：

为什么选择albumentations

• Albumentations支持所有常见的计算机视觉任务，例如分类、语义分割、实例分割、对象检测和姿势估计。

• 该库提供了一个简单的统一 API**来处理所有数据类型：图像（RBG 图像、灰度图像、多光谱图像）、分割蒙版、边界框和关键点。

• 该库包含70 多种不同的增强功能，可从现有数据中生成新的训练样本。

• albumentations很快(http://www.kaotop.com/file/tupian/20220507/albumentations格式，需要用cvtcolor转为RGB通道）

  image = cv2.cvtColor(cv2.imread('test.png'), cv2.COLOR_BGRA2RGB)
  
  # Augment an image
  transformed = transform(image=image)
  transformed_image = transformed["image"]
  

  定义一个显示多图的函数

  def visualize(**images):
      """
      Plot images in one row
      """
      n_images = len(images)
      plt.figure(figsize=(20,8)) # (20,8)
      for idx, (name, image) in enumerate(images.items()):
          plt.subplot(1, n_images, idx + 1)
          plt.xticks([]); 
          plt.yticks([])
          # get title from the parameter names
          plt.title(name.replace('_',' ').title(), fontsize=20)
          plt.imshow(image)
      plt.show()
  

  visualize原图和augmentation后的图像

  visualize(
      origin_image = image,
      transformed_image = transformed_image
  )
  

  Reference

  ​ https://github.com/albumentations-team/albumentations

  欢迎分享，转载请注明来源：内存溢出

  原文地址: http://outofmemory.cn/langs/869351.html