绿色健康小清新

耐得住寂寞,守得住繁华

torchvision的使用(transforms用法介绍)

介绍

torchvision是pytorch的一个图形库,它服务于PyTorch深度学习框架的,主要用来构建计算机视觉模型。torchvision.transforms主要是用于常见的一些图形变换。以下是torchvision的构成:

  • torchvision.datasets: 一些加载数据的函数及常用的数据集接口;
  • torchvision.models: 包含常用的模型结构(含预训练模型),例如AlexNet、VGG、ResNet等;
  • torchvision.transforms: 常用的图片变换,例如裁剪、旋转等;
  • torchvision.utils: 其他的一些有用的方法。

transforms

介绍

变换是常见的图像变换。它们可以使用链接在一起Compose。此外,还有torchvision.transforms.functional模块。功能转换可以对转换进行细粒度控制。如果您必须构建更复杂的转换管道(例如,在分段任务的情况下),这将非常有用。

1
torchvision.transforms.Compose(transforms)

transforms(Transform对象列表)-要组成的变换列表。

例如:

1
2
3
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor()])

常见的图像变换

这里总结一共有四大类,方便大家索引

  1. 裁剪(Crop)
    中心裁剪:transforms.CenterCrop
    随机裁剪:transforms.RandomCrop
    随机长宽比裁剪:transforms.RandomResizedCrop
    上下左右中心裁剪:transforms.FiveCrop
    上下左右中心裁剪后翻转,transforms.TenCrop

  2. 翻转和旋转(Flip and Rotation)
    依概率p水平翻转:transforms.RandomHorizontalFlip(p=0.5)
    依概率p垂直翻转:transforms.RandomVerticalFlip(p=0.5)
    随机旋转:transforms.RandomRotation

  3. 图像变换(resize)transforms.Resize
    标准化:transforms.Normalize
    转为tensor,并归一化至[0-1]:transforms.ToTensor
    填充:transforms.Pad
    修改亮度、对比度和饱和度:transforms.ColorJitter
    转灰度图:transforms.Grayscale
    线性变换:transforms.LinearTransformation()
    仿射变换:transforms.RandomAffine
    依概率p转为灰度图:transforms.RandomGrayscale
    将数据转换为PILImage:transforms.ToPILImage
    将lambda应用作为变换:transforms.Lambda

  4. 对transforms操作,使数据增强更灵活
    从给定的一系列transforms中选一个进行操作:transforms.RandomChoice(transforms),
    给一个transform加上概率,依概率进行操作 :transforms.RandomApply(transforms, p=0.5)
    将transforms中的操作随机打乱:transforms.RandomOrder


裁剪——Crop

随机裁剪:transforms.RandomCrop

1
torchvision.transforms.RandomCrop(size,padding = None,pad_if_needed = False,fill = 0,padding_mode ='constant'
  • size(sequence 或int) - 作物的所需输出大小。如果size是int而不是像(h,w)这样的序列,则进行正方形裁剪(大小,大小)
  • padding(int或sequence ,optional) - 图像每个边框上的可选填充。默认值为None,即无填充。如果提供长度为4的序列,则它用于分别填充左,上,右,下边界。如果提供长度为2的序列,则分别用于填充左/右,上/下边界
  • pad_if_needed(boolean) - 如果小于所需大小,它将填充图像以避免引发异常。由于在填充之后完成裁剪,因此填充似乎是在随机偏移处完成的。
  • fill - 恒定填充的像素填充值。默认值为0.如果长度为3的元组,则分别用于填充R,G,B通道。仅当padding_mode为常量时才使用此值.
  • padding_mode -填充类型。应该是:恒定,边缘,反射或对称。默认值是常量。
    • 常量:具有常量值的焊盘,该值用填充指定
    • edge:填充图像边缘的最后一个值
    • 反射:具有图像反射的垫(不重复边缘上的最后一个值),填充[1,2,3,4]在反射模式下两侧有2个元素将导致[3,2,1,2,3,4,3,2]
    • 对称:具有图像反射的垫(重复边缘上的最后一个值),填充[1,2,3,4]在对称模式下两侧有2个元素将导致[2,1,1,2,3,4,4,3]

中心裁剪:transforms.CenterCrop

1
torchvision.transforms.CenterCrop(size) 
  • 依据给定的size从中心裁剪 参数: size- (sequence or int),若为sequence,则为(h,w),若为int,则(size,size)

随机长宽比裁剪 transforms.RandomResizedCrop

1
torchvision.transforms.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(0.75, 1.3333333333333333), interpolation=2)

将给定的PIL图像裁剪为随机大小和宽高比。
将原始图像大小变成随机大小(默认值:是原始图像的0.08到1.0倍)和随机宽高比(默认值:3/4到4/3倍)。这种方法最终调整到适当的大小。这通常用于训练Inception网络。

  • size - 每条边的预期输出大小
  • scale - 裁剪的原始尺寸的大小范围
  • ratio - 裁剪的原始宽高比的宽高比范围
  • interpolation - 默认值:PIL.Image.BILINEAR

上下左右中心裁剪:transforms.FiveCrop

1
torchvision.transforms.FiveCrop(size)

将给定的PIL图像裁剪为四个角和中央裁剪。
此转换返回图像元组,并且数据集返回的输入和目标数量可能不匹配。

  • 对图片进行上下左右以及中心裁剪,获得5张图片,返回一个4D-tensor 参数: size- (sequence or int),若为sequence,则为(h,w),若为int,则(size,size)

上下左右中心裁剪后翻转: transforms.TenCrop

1
torchvision.transforms.TenCrop(size, vertical_flip=False) 

将给定的PIL图像裁剪为四个角,中央裁剪加上这些的翻转版本(默认使用水平翻转)。
此转换返回图像元组,并且数据集返回的输入和目标数量可能不匹配。

  • size(sequence 或int) -作物的所需输出大小。如果size是int而不是像(h,w)这样的序列,则进行正方形裁剪(大小,大小)。
  • vertical_flip(bool) - 使用垂直翻转而不是水平翻转

翻转和旋转——Flip and Rotation

依概率p水平翻转transforms.RandomHorizontalFlip

1
torchvision.transforms.RandomHorizontalFlip(p=0.5)

以给定的概率随机水平翻转给定的PIL图像。

  • p- 概率,默认值为0.5

依概率p垂直翻转transforms.RandomVerticalFlip

1
torchvision.transforms.RandomVerticalFlip(p=0.5)

以给定的概率随机垂直翻转给定的PIL图像。

  • p(浮点数) - 图像被翻转的概率。默认值为0.5

随机旋转:transforms.RandomRotation

1
torchvision.transforms.RandomRotation(degrees, resample=False, expand=False, center=None)

按角度旋转图像。

  • degrees(sequence 或float或int) -要选择的度数范围。如果degrees是一个数字而不是像(min,max)这样的序列,则度数范围将是(-degrees,+ degrees)。
  • resample({PIL.Image.NEAREST ,PIL.Image.BILINEAR ,PIL.Image.BICUBIC} ,可选) - 可选的重采样过滤器。请参阅过滤器以获取更多信 如果省略,或者图像具有模式“1”或“P”,则将其设置为PIL.Image.NEAREST。
  • expand(bool,optional) - 可选的扩展标志。如果为true,则展开输出以使其足够大以容纳整个旋转图像。如果为false或省略,则使输出图像与输入图像的大小相同。请注意,展开标志假定围绕中心旋转而不进行平移。
  • center(2-tuple ,optional) - 可选的旋转中心。原点是左上角。默认值是图像的中心。

图像变换

resize:transforms.Resize

1
torchvision.transforms.Resize(size, interpolation=2)

将输入PIL图像的大小调整为给定大小。

  • size(sequence 或int) -所需的输出大小。如果size是类似(h,w)的序列,则输出大小将与此匹配。如果size是int,则图像的较小边缘将与此数字匹配。即,如果高度>宽度,则图像将重新缩放为(尺寸*高度/宽度,尺寸)
  • interpolation(int,optional) - 所需的插值。默认是 PIL.Image.BILINEAR

标准化:transforms.Normalize

1
torchvision.transforms.Normalize(mean, std)

用平均值和标准偏差归一化张量图像。给定mean:(M1,…,Mn)和std:(S1,…,Sn)对于n通道,此变换将标准化输入的每个通道,torch.*Tensor即 input[channel] = (input[channel] - mean[channel]) / std[channel]

  • mean(sequence) - 每个通道的均值序列。
  • std(sequence) - 每个通道的标准偏差序列。

转为tensor:transforms.ToTensor

1
torchvision.transforms.ToTensor

功能:将PIL Image或者 ndarray 转换为tensor,并且归一化至[0-1] 注意事项:归一化至[0-1]是直接除以255,若自己的ndarray数据尺度有变化,则需要自行修改。


填充:transforms.Pad

1
torchvision.transforms.Pad(padding, fill=0, padding_mode='constant')

使用给定的“pad”值在所有面上填充给定的PIL图像。

  • padding(int或tuple) -每个边框上的填充。如果提供单个int,则用于填充所有边框。如果提供长度为2的元组,则分别为左/右和上/下的填充。如果提供长度为4的元组,则分别为左,上,右和下边框的填充。
  • fill(int或tuple) - 常量填充的像素填充值。默认值为0.如果长度为3的元组,则分别用于填充R,G,B通道。仅
    padding_mode为常量时才使用此值
  • padding_mode(str)
    • 填充类型。应该是:恒定,边缘,反射或对称。默认值是常量。
      • 常量:具有常量值的焊盘,该值用填充指定
      • edge:填充图像边缘的最后一个值
      • 反射:具有图像反射的焊盘,而不重复边缘上的最后一个值.例如,在反射模式下在两侧填充2个元素的填充[1,2,3,4]将导致[3,2,1,2,3,4,3,2]
      • 对称:具有图像反射的垫,重复边缘上的最后一个值.例如,在对称模式下填充两侧带有2个元素的[1,2,3,4]将导致[2,1,1,2,3,4,4,3]

修改亮度、对比度和饱和度:transforms.ColorJitter

1
torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)

随机更改图像的亮度,对比度和饱和度。

  • 亮度(浮点数或python的元组:浮点数(最小值,最大值)) - 抖动亮度多少。从[max(0,1-brightness),1 +brightness]或给定[min,max]均匀地选择brightness_factor。应该是非负数。
  • 对比度(浮点数或python的元组:浮点数(最小值,最大值)) - 抖动对比度多少。contrast_factor从[max(0,1-contrast),1 + contrast]或给定[min,max]中均匀选择。应该是非负数。
  • 饱和度(浮点数或python的元组数:float (min ,max )) - 饱和度抖动多少。饱和度_因子从[max(0,1-saturation),1 + saturation]或给定[min,max]中均匀选择。应该是非负数。
  • 色调(浮点数或python的元组:浮点数(最小值,最大值)) - 抖动色调多少。从[-hue,hue]或给定的[min,max]中均匀地选择hue_factor。应该有0 <= hue <= 0.5或-0.5 <= min <= max <= 0.5。

转灰度图:transforms.Grayscale

1
torchvision.transforms.Grayscale(num_output_channels=1)

将图像转换为灰度。
功能:将图片转换为灰度图 参数: num_output_channels- (int) ,当为1时,正常的灰度图,当为3时, 3 channel with r == g == b


线性变换:transforms.LinearTransformation()

1
torchvision.transforms.LinearTransformation(transformation_matrix) 

使用方形变换矩阵和离线计算的mean_vector变换张量图像。给定transformation_matrix和mean_vector,将使矩阵变平。从中拉伸并减去mean_vector,然后用变换矩阵计算点积,然后将张量重新整形为其原始形状。
白化转换:假设X是列向量零中心数据。然后torch.mm计算数据协方差矩阵[D x D],对该矩阵执行SVD并将其作为transformation_matrix传递。

  • transformation_matrix(Tensor) - 张量[D x D],D = C x H x W.
  • mean_vector(Tensor) - 张量[D],D = C x H x W.

仿射变换:transforms.RandomAffine

1
torchvision.transforms.RandomAffine(degrees, translate=None, scale=None, shear=None, resample=False, fillcolor=0) 

图像保持中心不变的随机仿射变换。

  • degrees(sequence 或float或int) -要选择的度数范围。如果degrees是一个数字而不是像(min,max)这样的序列,则度数范围将是(-degrees,+degrees)。设置为0可停用旋转。
  • translate(元组,可选) - 水平和垂直平移的最大绝对分数元组。例如translate =(a,b),然后在范围-img_width * a <dx <img_width * a中随机采样水平移位,并且在-img_height * b <dy <img_height * b范围内随机采样垂直移位。默认情况下不会翻译。
  • scale(元组,可选) - 缩放因子间隔,例如(a,b),然后从范围a <= scale <= b中随机采样缩放。默认情况下会保持原始比例。
  • shear(sequence 或float或int,optional) - 要选择的度数范围。如果degrees是一个数字而不是像(min,max)这样的序列,则度数范围将是(-degrees,+ degrees)。默认情况下不会应用剪切
  • resample({PIL.Image.NEAREST ,PIL.Image.BILINEAR ,PIL.Image.BICUBIC} ,可选) - 可选的重采样过滤器。请参阅过滤器以获取更多信 如果省略,或者图像具有模式“1”或“P”,则将其设置为PIL.Image.NEAREST。
  • fillcolor(int) - 输出图像中变换外部区域的可选填充颜色。(Pillow> = 5.0.0)

依概率p转为灰度图:transforms.RandomGrayscale

1
torchvision.transforms.RandomGrayscale(p=0.1)

功能:依概率p将图片转换为灰度图,若通道数为3,则3 channel with r == g == b


将数据转换为PILImage:transforms.ToPILImage

1
torchvision.transforms.ToPILImage(mode=None)

功能:将tensor 或者 ndarray的数据转换为 PIL Image 类型数据 参数: mode- 为None时,为1通道, mode=3通道默认转换为RGB,4通道默认转换为RGBA。


transforms.Lambda

1
torchvision.transforms.Lambda(lambd )

将用户定义的lambda应用为变换。

  • lambd(函数) - 用于转换的Lambda /函数。

对transforms操作,使数据增强更灵活

transforms.RandomChoice(transforms)

1
torchvision.transforms.RandomChoice(transforms)

从给定的一系列transforms中选一个进行操作,randomly picked from a list


transforms.RandomApply(transforms, p=0.5)

1
torchvision.transforms.RandomApply(transforms, p=0.5)

给一个transform加上概率,以一定的概率执行该操作

  • transforms(列表或元组) - 转换列表
  • p(浮点数) - 概率

transforms.RandomOrder

1
torchvision.transforms.RandomOrder(transforms)

将transforms中的操作顺序随机打乱。

-------------本文结束感谢您的阅读-------------
六经蕴籍胸中久,一剑十年磨在手

欢迎关注我的其它发布渠道