Torchvision.TransformsbyOpencv - GitLite

KO | EN

gitlite — search

#javascript #python #hacktoberfest #react #ai #typescript #llm #go #golang #android #machine-learning #rust #deep-learning #linux

Torchvision.TransformsbyOpencv

(★ 12)

Opencv based implementation of Torchvision.Transforms

Torchvision.TransformsbyOpencv 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Torchvision.TransformsbyOpencv
Opencv based implementation of Torchvision.Transforms

使用方法参考cifar10_cls_test.py，所有函数均保持了原torchvsion中函数的使用方法。常用的函数简单对比实验情况如下表所示，基本和原基于PIL的实现方案在相同的效果：

测试函数|基于PIL(acc)|基于Opencv(acc)
--|:--:|--:
*|53%|54%
Resize+*|57%|59%
Resize+CenterCrop+*|46%|47%
RandomResizeCrop+*|35%|37%
Reszie+RandomCrop+*|36%|38%
RandomHorizontalFlip+*|54%|54%
RandomVerticalFlip+*|45%|48%
RandomRotation+*|49%|49%
Pad+*|56%|56%

*:Totensor+Normalize

# functional.py (function)

（\*为较为常用的函数）

目前原始输入只支持输入为RGB彩色图像和灰度图像

## 1. _is_pil_image

原始：判断图片是否为PIL格式的数据

修改：删除

## 2. _is_tensor_image

原始：判断是否图像类型为tensor

修改：不变

## 3. _is_numpy_image

原始：判断图像是否为numpy，由于opencv读入之后默认为numpy，故该函数用于判断是否为图像

修改：不变

## 4. to_tensor

原始：支持PIL和numpy类型的图像

修改：去掉对PIL图像的支持

## 5. to_pil_image

原始：将PIL或numpy转换为PIL图片

修改：现在没有这个需求了，删除该函数

## 6. normalize\*

原始：tensor均一化

修改：pytorch的均一化方法和caffe不同，两条路，保持原有方法，修改caffe源码，或修改此函数，现将该函数保留另增加函数normalize_caffe

## 7. normalize_caffe\*

说明:按照caffe的均一化方式计算，需提供scale(默认为1)和mean_value

## 8. resize\*

原始：基于PIL实现

修改：基于opencv实现,注意逻辑保持和pytorch一样，若只指定一个resize参数，保证的是短边和该数一样，长边做等比例缩放，指定两个参数（h,w），则严格按照该参数进行

## 9. scale

原始：等价于resize

修改：不变

## 10. pad\*

原始：按指定的方式填充图片边缘支持RGB和灰度

修改：由于CV2读取灰度图会自动填充为三通道，故删去对单通道图片的支持。

## 11. crop\*

原始：基于PIL实现

修改：基于cv2实现

## 12. center_crop\*

同上

## 13. resized_crop\*

同上

## 14. hflip\*

同上

## 15. vflip\*

同上

## 16. five_crop\*

同上

## 17. ten_crop\*

原始：基于five_crop和flip实现

修改：不变

## 18. adjust_brightness

原始：基于PIL的ImageEnhance工具库实现，源码不可见。输入为图像和亮度变换的比例（0，+∞）（等比例相乘）

修改：实现方式不同，只能说达到了相同的功能，输入为图像和亮度变换的数值（-∞，+∞）（数值相加，当像素范围超过[0,255]时设为0或255）

## 19. adjust_contrast

原始：基于PIL的ImageEnhance工具库实现，源码不可见。输入为图像和对比度变换的比例（0，+∞）

修改：a \* image,用于修改对比度。

## 20. adjust_saturation

原始：同上

修改：基于opencv实现，由于没有现成的函数，只能自己设计算法，考虑到该函数不常用，使用了一个较为简单的手法，将BGR的图像转为HSV，然后修改S通道的值，之后再转回BGR

## 21. adjust_hue

同上

## 22. adjust_gamma

原始：对图像进行伽马矫正，在图像增强中很少用

修改：转为CV2实现

## 23. affine

原始：图像的仿射变换，基于PIL的工具包实现

修改：虽然opencv也有仿射变换的实现方法，要实现此功能是可行的，但是变换原理和现有的原理差别较大，基于opencv复现后不能保证和PIL的实现方式等价。考虑该函数使用较少，先放弃修改该函数。若之后有需求再做深究

## 24. to_grayscale

原始：将原始的RGB图像转为灰度图，并且可选单通道或相同的三通道输出。

修改：考虑opencv的灰度图本来就是相同的三个通道，故不修改该函数。

# tranforms (class)

## 1. Compose

保持原样

## 2. ToTensor

保持原样

## 3. Normalize

保持原样，Pytorch的均一化方法

## 4. NormalizeCaffe(新增)

input: mean(eg:[0.5, 0.5, 0.5]); scale(defult:[1,1,1])
按照caffe的均一化方法计算

## 5. Resize

修改PIL的差值方法设置为opencv

## 6. Scale

保持原样

## 7. CenterCrop

保持原样

## 8. Pad

保持原样

## 9. Lambda

保持原样

## 10. RandomTransforms

保持原样

## 11. RandomApply

保持原样

## 12. RandomOrder

保持原样

## 13. RandomChoice

保持原样

## 14. RandomCrop

修改PIL的差值方法设置为opencv

## 15. RandomHorizontalFlip

保持原样

## 16. RandomVerticalFlip

保持原样

## 17. RandomResizedCrop

修改PIL的差值方法设置为opencv

## 18. RandomSizedCrop

保持原样

## 19. FiveCrop

保持原样

## 20. TenCrop

保持原样

## 21. LinearTransformation

保持原样

## 22. ColorJitter

保持原样

## 23. RandomRotation

保持原样

## 24. RandomAffine

add

## 25. Grayscale

add

## 26. RandomGrayscale

add