python目標(biāo)檢測(cè)數(shù)據(jù)增強(qiáng)的代碼參數(shù)解讀及應(yīng)用

更新時(shí)間：2022年05月09日 11:01:26 作者：Bubbliiiing

這篇文章主要為大家介紹了python目標(biāo)檢測(cè)數(shù)據(jù)增強(qiáng)的代碼參數(shù)解讀及應(yīng)用，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

數(shù)據(jù)增強(qiáng)做了什么

數(shù)據(jù)增強(qiáng)是非常重要的提高目標(biāo)檢測(cè)算法魯棒性的手段，學(xué)習(xí)一下對(duì)身體有好處！

數(shù)據(jù)增強(qiáng)其實(shí)就是讓圖片變得更加多樣。比如說(shuō)原圖是一個(gè)電腦

如果不使用數(shù)據(jù)增強(qiáng)的話這個(gè)電腦就只是一個(gè)電腦，每次訓(xùn)練的電腦都是這樣的樣子的，但是我們實(shí)際生活中電腦是多樣的。

因此我們可以通過(guò)改變亮度，圖像扭曲等方式使得圖像變得更加多種多樣，如下圖所示，盡管亮度，形態(tài)發(fā)生了細(xì)微改變，但本質(zhì)上，這些東西都依然是電腦。

改變后的圖片放入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練可以提高網(wǎng)絡(luò)的魯棒性，降低各方面額外因素對(duì)識(shí)別的影響。

目標(biāo)檢測(cè)中的圖像增強(qiáng)

在目標(biāo)檢測(cè)中如果要增強(qiáng)數(shù)據(jù)，并不是直接增強(qiáng)圖片就好了，還要考慮到圖片扭曲后框的位置。

也就是框的位置要跟著圖片的位置進(jìn)行改變。

如果大家對(duì)我的目標(biāo)檢測(cè)代碼有少許研究的話，應(yīng)該都可以看到。我特別喜歡用這個(gè)數(shù)據(jù)增強(qiáng)代碼：

def get_random_data(annotation_line, input_shape, random=True, max_boxes=20, jitter=.5, hue=.1, sat=1.5, val=1.5, proc_img=True):
    '''random preprocessing for real-time data augmentation'''
    line = annotation_line.split()
    image = Image.open(line[0])
    iw, ih = image.size
    h, w = input_shape
    box = np.array([np.array(list(map(int,box.split(',')))) for box in line[1:]])
    # 對(duì)圖像進(jìn)行縮放并且進(jìn)行長(zhǎng)和寬的扭曲
    new_ar = w/h * rand(1-jitter,1+jitter)/rand(1-jitter,1+jitter)
    scale = rand(.25, 2)
    if new_ar < 1:
        nh = int(scale*h)
        nw = int(nh*new_ar)
    else:
        nw = int(scale*w)
        nh = int(nw/new_ar)
    image = image.resize((nw,nh), Image.BICUBIC)
    # 將圖像多余的部分加上灰條
    dx = int(rand(0, w-nw))
    dy = int(rand(0, h-nh))
    new_image = Image.new('RGB', (w,h), (128,128,128))
    new_image.paste(image, (dx, dy))
    image = new_image
    # 翻轉(zhuǎn)圖像
    flip = rand()<.5
    if flip: image = image.transpose(Image.FLIP_LEFT_RIGHT)
    # 色域扭曲
    hue = rand(-hue, hue)
    sat = rand(1, sat) if rand()<.5 else 1/rand(1, sat)
    val = rand(1, val) if rand()<.5 else 1/rand(1, val)
    x = rgb_to_hsv(np.array(image)/255.)
    x[..., 0] += hue
    x[..., 0][x[..., 0]>1] -= 1
    x[..., 0][x[..., 0]<0] += 1
    x[..., 1] *= sat
    x[..., 2] *= val
    x[x>1] = 1
    x[x<0] = 0
    image_data = hsv_to_rgb(x) # numpy array, 0 to 1
    # 將box進(jìn)行調(diào)整
    box_data = np.zeros((max_boxes,5))
    if len(box)>0:
        np.random.shuffle(box)
        box[:, [0,2]] = box[:, [0,2]]*nw/iw + dx
        box[:, [1,3]] = box[:, [1,3]]*nh/ih + dy
        if flip: box[:, [0,2]] = w - box[:, [2,0]]
        box[:, 0:2][box[:, 0:2]<0] = 0
        box[:, 2][box[:, 2]>w] = w
        box[:, 3][box[:, 3]>h] = h
        box_w = box[:, 2] - box[:, 0]
        box_h = box[:, 3] - box[:, 1]
        box = box[np.logical_and(box_w>1, box_h>1)] # discard invalid box
        if len(box)>max_boxes: box = box[:max_boxes]
        box_data[:len(box)] = box
    return image_data, box_data

里面有一些比較重要的參數(shù)如：

scale = rand(.25, 2)jitter=.5；hue=.1；sat=1.5；val=1.5；

其中：

1、scale代表原圖片的縮放比率，rand(.25, 2)表示在0.25到2之間縮放。

2、jitter代表原圖片的寬高的扭曲比率，jitter=.5表示在0.5到1.5之間扭曲。

3、hue=.1，sat=1.5，val=1.5；分別代表hsv色域中三個(gè)通道的扭曲，分別是：色調(diào)（H），飽和度（S），明度（V）。

實(shí)際效果如下：

原圖：

增強(qiáng)后：

全部代碼

全部代碼構(gòu)成如下：

from PIL import Image, ImageDraw
import numpy as np
from matplotlib.colors import rgb_to_hsv, hsv_to_rgb
def rand(a=0, b=1):
    return np.random.rand()*(b-a) + a
def get_random_data(annotation_line, input_shape, random=True, max_boxes=20, jitter=.5, hue=.1, sat=1.5, val=1.5, proc_img=True):
    '''random preprocessing for real-time data augmentation'''
    line = annotation_line.split()
    image = Image.open(line[0])
    iw, ih = image.size
    h, w = input_shape
    box = np.array([np.array(list(map(int,box.split(',')))) for box in line[1:]])
    # 對(duì)圖像進(jìn)行縮放并且進(jìn)行長(zhǎng)和寬的扭曲
    new_ar = w/h * rand(1-jitter,1+jitter)/rand(1-jitter,1+jitter)
    scale = rand(.25,2)
    if new_ar < 1:
        nh = int(scale*h)
        nw = int(nh*new_ar)
    else:
        nw = int(scale*w)
        nh = int(nw/new_ar)
    image = image.resize((nw,nh), Image.BICUBIC)
    # 將圖像多余的部分加上灰條
    dx = int(rand(0, w-nw))
    dy = int(rand(0, h-nh))
    new_image = Image.new('RGB', (w,h), (128,128,128))
    new_image.paste(image, (dx, dy))
    image = new_image
    # 翻轉(zhuǎn)圖像
    flip = rand()<.5
    if flip: image = image.transpose(Image.FLIP_LEFT_RIGHT)
    # 色域扭曲
    hue = rand(-hue, hue)
    sat = rand(1, sat) if rand()<.5 else 1/rand(1, sat)
    val = rand(1, val) if rand()<.5 else 1/rand(1, val)
    x = rgb_to_hsv(np.array(image)/255.)
    x[..., 0] += hue
    x[..., 0][x[..., 0]>1] -= 1
    x[..., 0][x[..., 0]<0] += 1
    x[..., 1] *= sat
    x[..., 2] *= val
    x[x>1] = 1
    x[x<0] = 0
    image_data = hsv_to_rgb(x) # numpy array, 0 to 1
    # 將box進(jìn)行調(diào)整
    box_data = np.zeros((max_boxes,5))
    if len(box)>0:
        np.random.shuffle(box)
        box[:, [0,2]] = box[:, [0,2]]*nw/iw + dx
        box[:, [1,3]] = box[:, [1,3]]*nh/ih + dy
        if flip: box[:, [0,2]] = w - box[:, [2,0]]
        box[:, 0:2][box[:, 0:2]<0] = 0
        box[:, 2][box[:, 2]>w] = w
        box[:, 3][box[:, 3]>h] = h
        box_w = box[:, 2] - box[:, 0]
        box_h = box[:, 3] - box[:, 1]
        box = box[np.logical_and(box_w>1, box_h>1)] # discard invalid box
        if len(box)>max_boxes: box = box[:max_boxes]
        box_data[:len(box)] = box
    return image_data, box_data
def normal_(annotation_line, input_shape):
    '''random preprocessing for real-time data augmentation'''
    line = annotation_line.split()
    image = Image.open(line[0])
    box = np.array([np.array(list(map(int,box.split(',')))) for box in line[1:]])
    return image, box
if __name__ == "__main__":
    with open("2007_train.txt") as f:
        lines = f.readlines()
    a = np.random.randint(0,len(lines))
    line = lines[a]
    image_data, box_data = normal_(line,[416,416])
    img = image_data
    for j in range(len(box_data)):
        thickness = 3
        left, top, right, bottom  = box_data[j][0:4]
        draw = ImageDraw.Draw(img)
        for i in range(thickness):
            draw.rectangle([left + i, top + i, right - i, bottom - i],outline=(255,255,255))
    img.show()
    image_data, box_data = get_random_data(line,[416,416])
    print(box_data)
    img = Image.fromarray((image_data*255).astype(np.uint8))
    for j in range(len(box_data)):
        thickness = 3
        left, top, right, bottom  = box_data[j][0:4]
        draw = ImageDraw.Draw(img)
        for i in range(thickness):
            draw.rectangle([left + i, top + i, right - i, bottom - i],outline=(255,255,255))
    img.show()
    # img = Image.open(r"F:\Collection\yolo_Collection\keras-yolo3-master\Mobile-yolo3-master/VOCdevkit/VOC2007/JPEGImages/00000.jpg")
    # left, top, right, bottom = 527,377,555,404
    # draw = ImageDraw.Draw(img)
    # draw.rectangle([left, top, right, bottom])
    # img.show()

以上就是python目標(biāo)檢測(cè)數(shù)據(jù)增強(qiáng)的代碼參數(shù)解讀及應(yīng)用的詳細(xì)內(nèi)容，更多關(guān)于python數(shù)據(jù)增強(qiáng)參數(shù)解讀的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: