1.1 简介

深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（Data Augmentation）来增加训练样本的多样性， 提高模型鲁棒性，避免过拟合。

在计算机视觉中，典型的数据增强方法有翻转（Flip），旋转（Rotat ），缩放（Scale），随机裁剪或补零（Random Crop or Pad），色彩抖动（Color jittering），加噪声（Noise）

笔者在跟进视频及图像中的人体姿态检测和关键点追踪（Human Pose Estimatiion and Tracking in videos）的项目。因此本文的数据增强仅使用——翻转（Flip），旋转（Rotate ），缩放以及缩放（Scale）

2.1 裁剪（Crop）

• image.shape--([3, width, height])一个视频序列中的一帧图片,裁剪前大小不统一
  
• bbox.shape--([4,])人体检测框，用于裁剪
  
• x.shape--([1,13]) 人体13个关键点的所有x坐标值
  
• y.shape--([1,13])人体13个关键点的所有y坐标值

def crop(image, bbox, x, y, length): x, y, bbox = x.astype(np.int), y.astype(np.int), bbox.astype(np.int) x_min, y_min, x_max, y_max = bbox w, h = x_max - x_min, y_max - y_min # Crop image to bbox image = image[y_min:y_min + h, x_min:x_min + w, :] # Crop joints and bbox x -= x_min y -= y_min bbox = np.array([0, 0, x_max - x_min, y_max - y_min]) # Scale to desired size side_length = max(w, h) f_xy = float(length) / float(side_length) image, bbox, x, y = Transformer.scale(image, bbox, x, y, f_xy) # Pad new_w, new_h = image.shape[1], image.shape[0] cropped = np.zeros((length, length, image.shape[2])) dx = length - new_w dy = length - new_h x_min, y_min = int(dx / 2.), int(dy / 2.) x_max, y_max = x_min + new_w, y_min + new_h cropped[y_min:y_max, x_min:x_max, :] = image x += x_min y += y_min x = np.clip(x, x_min, x_max) y = np.clip(y, y_min, y_max) bbox += np.array([x_min, y_min, x_min, y_min]) return cropped, bbox, x.astype(np.int), y.astype(np.int)

2.2 缩放（Scale）

• image.shape--([3, 256, 256])一个视频序列中的一帧图片，裁剪后输入网络为256*256
  
• bbox.shape--([4,])人体检测框，用于裁剪
  
• x.shape--([1,13]) 人体13个关键点的所有x坐标值
  
• y.shape--([1,13])人体13个关键点的所有y坐标值
  
• f_xy--缩放倍数

def scale(image, bbox, x, y, f_xy): (h, w, _) = image.shape h, w = int(h * f_xy), int(w * f_xy) image = resize(image, (h, w), preserve_range=True, anti_aliasing=True, mode='constant').astype(np.uint8) x = x * f_xy y = y * f_xy bbox = bbox * f_xy x = np.clip(x, 0, w) y = np.clip(y, 0, h) return image, bbox, x, y

2.3 翻转（fillip）

这里是将图片围绕对称轴进行左右翻转（因为人体是左右对称的，在关键点检测中有助于防止模型过拟合）

def flip(image, bbox, x, y): image = np.fliplr(image).copy() w = image.shape[1] x_min, y_min, x_max, y_max = bbox bbox = np.array([w - x_max, y_min, w - x_min, y_max]) x = w - x x, y = Transformer.swap_joints(x, y) return image, bbox, x, y

翻转前：

翻转后：

2.4 旋转（rotate）

angle--旋转角度

def rotate(image, bbox, x, y, angle): # image - -(256, 256, 3) # bbox - -(4,) # x - -[126 129 124 117 107 99 128 107 108 105 137 155 122 99] # y - -[209 176 136 123 178 225 65 47 46 24 44 64 49 54] # angle - --8.165648811999333 # center of image [128,128] o_x, o_y = (np.array(image.shape[:2][::-1]) - 1) / 2. width,height = image.shape[0],image.shape[1] x1 = x y1 = height - y o_x = o_x o_y = height - o_y image = rotate(image, angle, preserve_range=True).astype(np.uint8) r_x, r_y = o_x, o_y angle_rad = (np.pi * angle) /180.0 x = r_x + np.cos(angle_rad) * (x1 - o_x) - np.sin(angle_rad) * (y1 - o_y) y = r_y + np.sin(angle_rad) * (x1 - o_x) + np.cos(angle_rad) * (y1 - o_y) x = x y = height - y bbox[0] = r_x + np.cos(angle_rad) * (bbox[0] - o_x) + np.sin(angle_rad) * (bbox[1] - o_y) bbox[1] = r_y + -np.sin(angle_rad) * (bbox[0] - o_x) + np.cos(angle_rad) * (bbox[1] - o_y) bbox[2] = r_x + np.cos(angle_rad) * (bbox[2] - o_x) + np.sin(angle_rad) * (bbox[3] - o_y) bbox[3] = r_y + -np.sin(angle_rad) * (bbox[2] - o_x) + np.cos(angle_rad) * (bbox[3] - o_y) return image, bbox, x.astype(np.int), y.astype(np.int)

旋转前：

旋转后：

3 结果（output）

数据增强前的原图：

数据增强后：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。