数据增强利器--Augmentor

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:

1
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;
1
2
3
4
5
6
7
8
9
10
11
12
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

您的支持就是我更新的最大动力!谢谢!