基于Python的图像数据增强Data Augmentation解析

更新时间：2020-07-24 00:18:01 作者：startmvc

1.1简介深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的

1.1 简介

深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（Data Augmentation）来增加训练样本的多样性，提高模型鲁棒性，避免过拟合。

在计算机视觉中，典型的数据增强方法有翻转（Flip），旋转（Rotat ），缩放（Scale），随机裁剪或补零（Random Crop or Pad），色彩抖动（Color jittering），加噪声（Noise）

笔者在跟进视频及图像中的人体姿态检测和关键点追踪（Human Pose Estimatiion and Tracking in videos）的项目。因此本文的数据增强仅使用——翻转（Flip），旋转（Rotate ），缩放以及缩放（Scale）

2.1 裁剪（Crop）

image.shape--([3, width, height])一个视频序列中的一帧图片,裁剪前大小不统一
bbox.shape--([4,])人体检测框，用于裁剪
x.shape--([1,13]) 人体13个关键点的所有x坐标值
y.shape--([1,13])人体13个关键点的所有y坐标值


def crop(image, bbox, x, y, length):
 x, y, bbox = x.astype(np.int), y.astype(np.int), bbox.astype(np.int)

 x_min, y_min, x_max, y_max = bbox
 w, h = x_max - x_min, y_max - y_min

 # Crop image to bbox
 image = image[y_min:y_min + h, x_min:x_min + w, :]

 # Crop joints and bbox
 x -= x_min
 y -= y_min
 bbox = np.array([0, 0, x_max - x_min, y_max - y_min])

 # Scale to desired size
 side_length = max(w, h)
 f_xy = float(length) / float(side_length)
 image, bbox, x, y = Transformer.scale(image, bbox, x, y, f_xy)

 # Pad
 new_w, new_h = image.shape[1], image.shape[0]
 cropped = np.zeros((length, length, image.shape[2]))

 dx = length - new_w
 dy = length - new_h
 x_min, y_min = int(dx / 2.), int(dy / 2.)
 x_max, y_max = x_min + new_w, y_min + new_h

 cropped[y_min:y_max, x_min:x_max, :] = image
 x += x_min
 y += y_min

 x = np.clip(x, x_min, x_max)
 y = np.clip(y, y_min, y_max)

 bbox += np.array([x_min, y_min, x_min, y_min])
 return cropped, bbox, x.astype(np.int), y.astype(np.int)

2.2 缩放（Scale）

image.shape--([3, 256, 256])一个视频序列中的一帧图片，裁剪后输入网络为256*256
bbox.shape--([4,])人体检测框，用于裁剪
x.shape--([1,13]) 人体13个关键点的所有x坐标值
y.shape--([1,13])人体13个关键点的所有y坐标值
f_xy--缩放倍数


def scale(image, bbox, x, y, f_xy):
 (h, w, _) = image.shape
 h, w = int(h * f_xy), int(w * f_xy)
 image = resize(image, (h, w), preserve_range=True, anti_aliasing=True, mode='constant').astype(np.uint8)

 x = x * f_xy
 y = y * f_xy
 bbox = bbox * f_xy

 x = np.clip(x, 0, w)
 y = np.clip(y, 0, h)

 return image, bbox, x, y

2.3 翻转（fillip）

这里是将图片围绕对称轴进行左右翻转（因为人体是左右对称的，在关键点检测中有助于防止模型过拟合）


def flip(image, bbox, x, y):
 image = np.fliplr(image).copy()
 w = image.shape[1]
 x_min, y_min, x_max, y_max = bbox
 bbox = np.array([w - x_max, y_min, w - x_min, y_max])
 x = w - x
 x, y = Transformer.swap_joints(x, y)
 return image, bbox, x, y

翻转前：

翻转后：

2.4 旋转（rotate）

angle--旋转角度


def rotate(image, bbox, x, y, angle):
 # image - -(256, 256, 3)
 # bbox - -(4,)
 # x - -[126 129 124 117 107 99 128 107 108 105 137 155 122 99]
 # y - -[209 176 136 123 178 225 65 47 46 24 44 64 49 54]
 # angle - --8.165648811999333
 # center of image [128,128]
 o_x, o_y = (np.array(image.shape[:2][::-1]) - 1) / 2.
 width,height = image.shape[0],image.shape[1]
 x1 = x
 y1 = height - y
 o_x = o_x
 o_y = height - o_y
 image = rotate(image, angle, preserve_range=True).astype(np.uint8)
 r_x, r_y = o_x, o_y
 angle_rad = (np.pi * angle) /180.0
 x = r_x + np.cos(angle_rad) * (x1 - o_x) - np.sin(angle_rad) * (y1 - o_y)
 y = r_y + np.sin(angle_rad) * (x1 - o_x) + np.cos(angle_rad) * (y1 - o_y)
 x = x
 y = height - y
 bbox[0] = r_x + np.cos(angle_rad) * (bbox[0] - o_x) + np.sin(angle_rad) * (bbox[1] - o_y)
 bbox[1] = r_y + -np.sin(angle_rad) * (bbox[0] - o_x) + np.cos(angle_rad) * (bbox[1] - o_y)
 bbox[2] = r_x + np.cos(angle_rad) * (bbox[2] - o_x) + np.sin(angle_rad) * (bbox[3] - o_y)
 bbox[3] = r_y + -np.sin(angle_rad) * (bbox[2] - o_x) + np.cos(angle_rad) * (bbox[3] - o_y)
 return image, bbox, x.astype(np.int), y.astype(np.int)

旋转前：