数据集扩充

中文(zh-cn) | English(en)

通用目标检测深度学习数据集扩充方法(尤其针对Yolo)

• 具体实现
• 如何运行
• 开发环境
• 关于作者

---

具体实现

数据集扩充方法详细说明

• 图像强度变换
  • 亮度变化： lightness darkness
  • 对比度变化：contrast
• 图像滤波
  • 锐化：sharpen
  • 高斯模糊：blur
• 透视变换
  • 镜像翻转：flip
  • 图像裁剪：crop
  • 图像拉伸：deform
  • 镜头畸变：distortion
• 注入噪声
  • 椒盐噪声：noise
  • 渐晕：vignetting
• 其他
  • 随机抠除：cutout

按从左到右，从上到下顺序排列

如何运行

• 安装所需依赖

  pip install -r requirements.txt

• 将原始图片和标注数据放到data/中

• 运行

  • python main.py 生成所有数据在data/文件夹下
  • 执行对应.py文件生成指定扩充图像数据

• 使用

  os.chdir(dirname)
  (name, appidx) = os.path.splitext(filename)
  img = np.array(Image.open(filename))  # Image读入的图片形式
  
  somealgo_img = somealgo(np.copy(img))	# 复制一份传入扩充算法
  somealgo_img.save(name + "_somealgo" + appidx)	# 将扩充图像写入本地
  saveSomeAlgoLabel(name) # 自动生成对应的标注(部分算法需要手动标注)

开发环境

• 操作系统: macOS Catalina 10.15.5
• 开发语言: python 3.7.4
• 主要依赖: numpy | cv2 | PIL | shutil

关于作者

姓名👤	张喆 | doubleZ
学校🏫	同济大学
联系方式✉️	dbzdbz@tongji.edu.cn