Python深度學習：使用Augly庫進行圖片數據增強

發布時間：2023-07-03 01:20:23 作者：網友整理

前言

AugLy是一個數據增強庫，可以幫助評估和提高模型的穩健性。該庫支持四種模式（ 音頻、視頻、圖像和文本 ），并且包含 100 多種執行數據增強的方法。如果正在從事使用音頻、視頻、圖像或文本數據集的機器學習或深度學習項目，可以使用此庫來增加數據并提高模型性能。

該庫由 Facebook AI 的軟件工程師 Joanna Bitton、FAIR 的研究工程師 Zoe Papakipos 以及 Facebook 的其他研究人員和工程師開發。

AugLy 是一個 Python/ target=_blank class=infotextkey>Python 3.6+ 庫。它可以通過以下方式安裝：

pip install augly

上述命令僅安裝使用圖像和文本模式的基本要求。對于音頻和視頻模式，安裝所需的額外依賴項:

pip install augly[av]

文件目錄

# 數據的文件夾目錄
# 圖片類別：0,1,2...n
augment_data
- train_data
	- 0
	- 1
	- ...
- val_data
	- 0
	- 1
	- ...
- test_data
	- 0
	- 1
	- ...

import os
from PIL import Image
from PIL import ImageFile
import augly.image as imaugs
from tqdm import tqdm
ImageFile.LOAD_TRUNCATED_IMAGES = True

def fun_files(path):
    fileArray = []     
    for root, dirs, files in os.walk(path):     
        for fn in files:
            eachpath = str(root + '\' + fn)
            fileArray.Append(eachpath)
    # print(fileArray)
    return fileArray

def fun_dirs(path):      
    dirArray = []      
    for root, dirs, files in os.walk(path):    
        for dir in dirs:
            eachpath = str(root + '\' + dir)
            dirArray.append(eachpath)
    # print(dirArray)
    return dirArray

def augmentation(augment_dirpath):
    datalist = fun_dirs(augment_dirpath)
    # print(dirlist)
    print("datalist", len(datalist))
    for dir in datalist:
        dirlist = fun_dirs(dir)
        for each in tqdm(dirlist):
            dirname = each.split("\")[-1]
            filelist = fun_files(each)
            for i in range(len(filelist)):
                try:
                    im = Image.open(filelist[i])
                except:
                    print("cannot identify image file", filelist[i])
                else:
                    basename = os.path.basename(filelist[i])
                    imgformat = basename.split(".")[-1]
                    aug_image = im.convert('RGB')
                    # 圖像模糊
                    output_path = each + '\' + dirname + "_" + str(i) + "_" + "blur" + "." + imgformat
                    imaugs.blur(aug_image, output_path=output_path)
                    # 圖像亮度
                    output_path = each + '\' + dirname + "_" + str(i) + "_" + "brightness" + "." + imgformat
                    imaugs.brightness(aug_image, factor=1.5, output_path=output_path)
                    # 對比度
                    output_path = each + '\' + dirname + "_" + str(i) + "_" + "contrast" + "." + imgformat
                    imaugs.contrast(aug_image, factor=1.5, output_path=output_path)
                    # 灰度
                    output_path = each + '\' + dirname + "_" + str(i) + "_" + "grayscale" + "." + imgformat
                    imaugs.grayscale(aug_image, output_path=output_path)
                    # 水平翻轉
                    output_path = each + '\' + dirname + "_" + str(i) + "_" + "hflip" + "." + imgformat
                    imaugs.hflip(aug_image, output_path=output_path)
                    # 隨機噪聲
                    output_path = each + '\' + dirname + "_" + str(i) + "_" + "random_noise" + "." + imgformat
                    imaugs.random_noise(aug_image, output_path=output_path)


if __name__ == '__main__':
    augment_dirpath = "augment_data"
    if not os.path.exists(augment_dirpath):
        os.mkdir(augment_dirpath)
    augmentation(augment_dirpath)