深度学习图像预测 pytorch pytorch 图像预处理

torchvision.transforms

• 1. 前言
• 2. 功能介绍

• 2.1 Transforms on PIL Image only
• 2.2 Conversion Transforms
• 2.3 Transforms on torch.*Tensor only

• 3 代码示例

1. 前言

    很多基于Pytorch的工具集都非常好用，比如处理图像视频的torchvision、处理音频的torchaudio、以及处理自然语言的torchtext，详见pytorch官网教程

    这里介绍的处理图像视频的torchvision参考官网包含6个模块：

• torchvision.datasets
• torchvision.io
• torchvision.models
• torchvision.ops
• torchvision.transforms
• torchvision.utils

其中torchvision.transforms提供了常用的图像操作，例如随机切割、旋转、数据类型转换、tensor与numpy 和PIL Image的互换等

2. 功能介绍

    torchvision.transforms模块按照功能，可分为以下几个部分，所有转换均可用torchvision.transforms.Compose() 来组合。

2.1 Transforms on PIL Image only

• Resize：把给定的图片resize到给定的尺寸。
• ToPILImage: 将torch.tensor 转换为PIL图像。
• CenterCrop：以输入图的中心点为中心做指定size的裁剪操作。
• RandomCrop：以输入图的随机位置为中心做指定size的裁剪操作。
• RandomHorizontalFlip：随机水平翻转给定的PIL.Image,概率为0.5。即：一半的概率翻转，一半的概率不翻转。
• RandomVerticalFlip：随机垂直翻转给定的PIL.Image,概率为0.5。
• RandomResizedCrop：将给定图像随机裁剪为不同的大小和宽高比，然后再resize成给定的size大小。
• Grayscale：将给定图像转换为灰度图像。
• RandomGrayscale：将图像以指定的概率转换为灰度图像。
• FiveCrop: 从一张输入图像中裁剪出5张指定size的图像，包括4个角的图像和一个中心。
• TenCrop：剪出10张指定size的图像。做法是在FiveCrop的基础上，再将输入图像进行水平或竖直翻转，然后进行FiveCrop操作，这样一张图像可得到10张crop图像。
• Pad：将给定的PIL.Image的所有边用给定的pad value填充。
• ColorJitter：修改图像的亮度，对比度，饱和度和色度。
• Lambda：做其参数指定的变换。

2.2 Conversion Transforms

PIL.Image/numpy.ndarray与Tensor的相互转换。

from torchvision import transforms

transform1 = transforms.Compose([
    transforms.ToTensor() #PIL Image/ndarray (H,W,C) [0,255] to tensor (C,H,W) [0.0,1.0]
    ])

一般我们加载的数据，RGB的值范围是[0,255]，经过ToTensor除以255归一化到[0,1]

2.3 Transforms on torch.*Tensor only

• transforms.Normalize(mean, std, inplace=False)。

在tensor上进行的转换（即需要转化为tensor后再操作），逐channel的对图像进行标准化（均值变为0，标准差变为1），可以加快模型的收敛。

• 公式：output = (input - mean) / std
• mean:各通道（RGB）的均值
• std：各通道的标准差
• inplace：是否原地操作

from torchvision import transforms

transform1 = transforms.Compose([
    transforms.ToTensor() 
	transforms.Normalize([0.5, 0.5, 0.5],[0.5, 0.5, 0.5])

根据公式，计算过程为：
input = [0,1]
output[0] = （0-0.5）/0.5=-1
output[1] = （1-0.5）/0.5=1
将input = [0,1]归一化到output = [-1,1]

    Pytorch图像预处理时，通常使用transforms.Normalize(mean, std)对图像按通道进行标准化，即减去均值，再除以方差。这样做可以加快模型的收敛速度。其中参数mean和std分别表示图像每个通道的均值和方差序列。
    另外可以计算指定图像数据集的均值和方差用于transforms.Normalize()标准化，可参考示例：

3 代码示例

直接当调包侠就好

下面是比较常用的：

from torchvision import transforms
transforms = transforms.Compose(
        [
        transforms.Resize(224), 
        transforms.RandomResizedCrop(size=256, scale=(0.8, 1.0)),#scale为随机裁剪面积比例
        transforms.RandomRotation(degrees=15),#随机旋转
        transforms.RandomHorizontalFlip(),#随机水平翻转
        transforms.RandomVerticalFlip(),#随机垂直翻转
        transforms.CenterCrop(size=224),#中心裁剪到224*224
        
        transforms.ToTensor(),#转化成张量
        transforms.Normalize([0.485, 0.456, 0.406],#归一化
                             [0.229, 0.224, 0.225])
])