[Pytorch]Pytorch中圖像的基本操做(TenCrop)

轉自：https://www.jianshu.com/p/73686691cf13

下面是幾種常寫的方式

第一種方式

normalize = transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        transformList = []
        transformList.append(transforms.RandomResizedCrop(transCrop))
        transformList.append(transforms.RandomHorizontalFlip())
        transformList.append(transforms.ToTensor())
        transformList.append(normalize)
        transformSequence = transforms.Compose(transformList)

第二種方式

train_augmentation = torchvision.transforms.Compose([torchvision.transforms.Resize(256),
                                                    torchvision.transforms.RandomCrop(224),                                                                            
                                                    torchvision.transofrms.RandomHorizontalFlip(),
                                                    torchvision.transforms.ToTensor(),
                                                    torch vision.Normalize([0.485, 0.456, -.406], [0.229, 0.224, 0.225])
                                                    ])

須要主要的是:

• Pytorch 經常使用PIL庫來讀取圖像數據,讀取以後的格式是PIL Image
• 在進行Normalize時, 須要先轉成Tensor的形式.
• Resize和crop的操做是對 PIL Image 的格式進行的操做.如今論文中通常將圖片先resize到(256,256)而後randomCrop到(224,和224)中.

Resize和Crop的區別

resize至關於對原來的圖像進行壓縮,大體的形狀是不發生變化的,也就是說能夠看到圖片的樣子
Crop是對圖片進行隨機的剪切,切出來的多是整個圖片的一部分,其中RandomCrop的操做更經常使用
RandomResizedCrop類也是比較經常使用, 總的來說就是先作crop，再resize到指定尺寸

FiveCrop和TenCrop

這兩種操做以後,一張圖變成五張,一張圖變成十張,那麼在訓練或者測試的時候怎麼避免和標籤混淆呢
思路是,這多個圖擁有相同的標籤,假如是分類任務,就能夠使用交叉熵進行,而後求10張圖的平均

transform = Compose([
    TenCrop(size), # this is a list of PIL Images
    Lambda(lambda crops: torch.stack([ToTensor()(crop) for crop in crops])) # returns a 4D tensor
])

#In your test loop you can do the following:
input, target = batch # input is a 5d tensor, target is 2d
bs, ncrops, c, h, w = input.size()
result = model(input.view(-1, c, h, w)) # fuse batch size and ncrops
result_avg = result.view(bs, ncrops, -1).mean(1) # avg over crops