数据增强利器--Augmentor

标签：out   预处理   尺寸   旋转   网上   控制台   images   增强   功能   

最近遇到数据样本数目不足的问题，自己写的增强工具生成数目还是不够，终于在网上找到一个数据增强工具包，足够高级，足够傻瓜。想要多少就有多少！再也不怕数据不够了！

简介

Augmentor是一个Python包，旨在帮助机器学习任务的图像数据人工生成和数据增强。它主要是一种数据增强工具，但也将包含基本的图像预处理功能。

特色

Augmentor是用于图像增强的软件包，重点在于提供通常用于生成机器学习问题的图像数据的操作。

Augmentor包含许多用于标准图像处理功能的类，例如Rotate 旋转类、Crop 裁剪类等等。 包含的操作有：旋转rotate、裁剪crop、透视perspective skewing、shearing、弹性形变Elastic Distortions、亮度、对比度、颜色等等；更多的操作及其参数设定，点击

数据增强通常是一个多阶段过程，Augmentor因此采用基于管道的处理方法，操作依次添加形成最终的操作管道。图像送到管道中，管道的操作依次作用到图片上形成新的图片，保存下来。
Augmentor 管道中定义的操作按照一定的概率随机地作用于图片上。

安装

控制台输入：

pip install Augmentor

安装成功。

使用Examples

分3步：

1. 实例化Pipeline 对象，通过指定包含要处理图片所在的目录；
2. 定义数据增强操作，crop、rotate等等，添加到pipeline中；
3. 调用pipeline的sample(n)函数，同时指定增强后的样本总量；

import Augmentor
# 1. 指定图片所在目录
p = Augmentor.Pipeline("./images")
# 2. 增强操作
# 旋转 概率0.7，向左最大旋转角度10，向右最大旋转角度10
p.rotate(probability=0.7,max_left_rotation=10, max_right_rotation=10)
# 放大 概率0.3，最小为1.1倍，最大为1.6倍；1不做变换
p.zoom(probability=0.3, min_factor=1.1, max_factor=1.6)
# resize 同一尺寸 200 x 200
p.resize(probability=1,height=200,width=200)
# 3. 指定增强后图片数目总量
p.sample(2000)

增强后的图片文件保存在images下的output中。

总结

• 个人认为其最大的亮点是只需要指定要增强图片所在的路径即可，不用进行读入、以及numpy数据转换；
• 增强时只需要指定最后的数目N，无论原始图片有多少，总能生成你想要的数目！！！
• API也高度抽象；容易理解、上手！
• 增强后的图片会保存在指定增强图片所在目录下的output目录里；

推荐自己动手试一试。网址

数据增强利器--Augmentor

标签：out   预处理   尺寸   旋转   网上   控制台   images   增强   功能   

原文地址：https://www.cnblogs.com/ysugyl/p/9270722.html