Pytorch 图像增强的几个方法

还是道歉先 自家个人学习用哦~~  若有雷同纯属巧合

使用数据增强技术可以增加数据集中图像的多样性，从而提高模型的性能和泛化能力。主要的图像增强技术包括：

• 调整大小

• 灰度变换

• 标准化

• 随机旋转

• 中心裁剪

• 随机裁剪

• 高斯模糊

• 亮度、对比度调节

• 水平翻转

• 垂直翻转

• 高斯噪声

• 随机块

• 中心区域

whaosoft aiot http://143ai.com

调整大小

在开始图像大小的调整之前我们需要导入数据（图像以眼底图像为例）。

 

灰度变换

此操作将RGB图像转化为灰度图像。

 

标准化

标准化可以加快基于神经网络结构的模型的计算速度，加快学习速度。

• 从每个输入通道中减去通道平均值

• 将其除以通道标准差。

 

随机旋转

设计角度旋转图像

 

中心剪切

剪切图像的中心区域

 

随机裁剪

随机剪切图像的某一部分

 

高斯模糊

使用高斯核对图像进行模糊变换

 

亮度、对比度和饱和度调节

 

水平翻转

 

垂直翻转

 

高斯噪声

向图像中加入高斯噪声。通过设置噪声因子，噪声因子越高，图像的噪声越大。

 

随机块

正方形补丁随机应用在图像中。这些补丁的数量越多，神经网络解决问题的难度就越大。

 

中心区域

和随机块类似，只不过在图像的中心加入补丁