图像数据读取及数据扩增方法

本文为干货知识+竞赛实践系列分享，旨在理论与实践结合，从学习到项目实践。（零基础入门系列：数据挖掘/cv/nlp/金融风控/推荐系统等，持续更新）

本文对计算机视觉赛事中，数据读取及数据扩增两部分内容进行解析，同时进行了直播答疑分享（今晚8点在阿里天池直播分享，录播上传后原链接可回看）：

https://tianchi.aliyun.com/course/live?spm=5176.12586971.1001.1.11be6956fkKgJ8&liveId=41168

分享大纲

1. 图像读取

• 常用图像读取的5种方法及其比较总结；

2. Pytorch数据读取

• 介绍了常用数据集及自定义数据集读取的方法；

3. 数据扩增

• 基于图像处理的数据扩增、基于深度学习的数据扩增及使用Pytorch的数据扩增。

图像读取

常用的图像数据读取方法如下：

• 方法1：OpenCV-python

• 方法2：Pillow

• 方法3：matplotlib

• 方法4：scipy

• 方法5：skimage

• 总结

Pytorch数据读取

Pytorch数据读取时分为常用数据集读取和自定义数据集读取两部分。

• 常用数据集读取

• 自定义数据集读取

数据扩增

数据扩增用于增加训练数据集，让数据集尽可能的多样化，使得训练的模型具有更强的泛化能力。常见的数据扩增方法有：基于图像处理的图像扩增、基于深度学习的图像扩增。

1. 基于图像处理的数据扩增

• 几何变换
  

• 灰色和彩色空间变换
  

• 添加噪声和滤波
  

• Mixing image（图像混合）
  

• Random erasing（随机擦除）
  

2. 基于深度学习的数据扩增

3. 使用Pytorch进行数据增强

Datawhale竞赛群已成立

可扫码加入Datawhale竞赛学习社群

在社群中，交流、讨论和组队算法赛事。

如果加入了之前的社群，请不需要重复添加！

如需直播PPT，后台回复 CV直播 或进社群下载