8、图像分类中的图像增强技术

图像分类中的图像增强技术

1. 几何变换过滤器

在图像增强领域，平移过滤器很少被使用。这是因为为单张图片找到安全的平移级别相对容易，但为整个数据集找到合适的平移级别却颇具挑战。

目前已知的几何变换过滤器有翻转、裁剪、填充、调整大小、旋转和平移等。然而，实际上还有许多其他的几何变换过滤器，例如扭曲、缩放、倾斜和拉伸等。虽然这些过滤器众多，难以一一涵盖，但它们的编码过程是相似的。

1.1 挑战

可以尝试实现另外两种几何变换技术，如扭曲和倾斜。提示：可以复制并粘贴已有的包装函数，然后修改 aug 和 item_tfms 变量。

2. 光度变换

2.1 选择Albumentations库的原因

选择Albumentations库来实现光度变换，主要原因有两个：一是该库拥有超过70种过滤器；二是它可以集成到Fast.ai框架中。Fast.ai框架具备大部分基本的光度过滤器，如色调偏移、对比度和亮度调节等，但只有Albumentations库拥有一些更独特的过滤器，如添加雨景、运动模糊和FancyPCA等。

在使用这些独特的过滤器时要格外小心。尽管它们易于实现，但应该参考相关的学术论文，以确定这些过滤器是否有助于提高模型的准确率。

2.2 编码过程

与几何变换的编码过程类似，首先创建基础方法，然后为每个光度变换编写包装函数。 _draw_image_album() 方法用于从数据中选择一组图像样本，将其转换为NumPy数组，进行变换，并以批量模式显示