第二十一章数据处理篇：imgaug

关注

VIP免费原创最新推荐文章于 2026-08-02 16:16:25 发布 513 阅读 AI 写同款· GEO 优化 ›

第一部分PaddleX数据处理_1.4 数据增强与imgaug支持文章目录PaddleX内置增强操作imgaug增强库的支持数据增强操作可用于在模型训练时，增加训练样本的多样性，从而提升模型的泛化能力。 PaddleX内置增强操作 PaddleX对于图像分类、目标检测、实例分割和语义分割内置了部分常见的数据增强操作，如下表所示，任务类型增强方法图像分类 RandomCrop、RandomHorizontalFlip、RandomVerticalFlip、 RandomRotate、 RandomDistort 目标检测、实例分割 RandomH 阅读详情

参考教程：
https://imgaug.readthedocs.io/en/latest/source/jupyter_notebooks.html

概述

imgaug是一个使用的数据增强工具，不仅提供了常见的形状和颜色的增强方法，还提供了一些特殊的增强方法，比如说针对keypoint和bounding boxes的增强。

imgaug中的大部分增强方法，都要求你的输入图像是uint8的numpy arrays，并且最好是RGB图像。更具体的类型要求可以参考dtype_support.html

接下来我们按照imgaug提供的notebook中的处理顺序，来看一下各种类型的增强方法。

针对图片的增强

首先我们来看一下基础的针对图像的增强方法，我们使用imageio读入一张图片，使用imageio直接读入的图像通道就是按照RGB排列的，如果使用opencv，需要自行转换成RGB。
在这里插入图片描述

基础使用样例

imgaug中提供了多种增强方法，并且使用起来很简单，只需要实例化某方法并设定好参数后，再将你的图片传入即可。

以放射变化为例：
在这里插入图片描述
我们可以看一下仿射变化的源码：

classimgaug.augmenters.geometric.Affine(scale=None, translate_percent=None, translate_px=None, rotate=None, shear=None, order=1, cval=0, mode='constant', fit_output=False, backend='auto', seed=None, name=None, random_state='deprecated', deterministic='deprecated')

它的输入参数有多个，包括：

scale：缩放
translate_percent：平移比例
translate_px：平移像素值
rotate：旋转角度
shear：错切角度

在上面的例子中，我们使用的参数是rotate = （-25，25），意思就是旋转的范围在-25度和25度之间。

也可以将一组图像作为输入，要注意这时输入参数是images而不再是image。
在这里插入图片描述
并且imgaug中，images是支持不同大小的图像的。

base class: augment

class imgaug.augmenters.meta.Augmenter(seed=None, name=None, random_state='deprecated', deterministic='deprecated')

基本上各种增强方法都是继承了Augmenter这个类，在刚刚的使用例子中提到如果传参使用image就是增强单张图像，使用images就是多张，我们看看源码具体是如何实现的。那么这就首先要来看Augmenter这个class的__call__()方法。

def __call__

最低0.47元/天解锁文章

标签

#深度学习 #pytorch #人工智能 #算法

通过PXE的方式实现Ubuntu 24.04 自动安装之前都是通过PXE来自动化安装Redhat系列的，例如：Rocky9、Rocky10、CentOS7、银河麒麟 Kylin-V10、Kylin-V11、OpenEuler 24.03等。现在安装Ubuntu系列的跟红帽的不太一样，所以在这里介绍下。阅读详情

第二十一章 数据处理篇：imgaug

文章目录

概述

针对图片的增强

基础使用样例

base class: augment

相关推荐

第二十一章数据处理篇：imgaug