Python深度学习：使用Augly库进行图片数据增强 _Python

前言AugLy是一个数据增强库，可以帮助评估和提高模型的稳健性。该库支持四种模式（音频、视频、图像和文本），并且包含 100 多种执行数据增强的方法。如果正在从事使用音频、视频、图像或文本数据集的机器学习或深度学习项目，可以使用此库来增加数据并提高模型性能。
【Python深度学习：使用Augly库进行图片数据增强】该库由 Facebook AI 的软件工程师 Joanna Bitton、FAIR 的研究工程师 Zoe Papakipos 以及 Facebook 的其他研究人员和工程师开发。

文章插图

AugLy 是一个 Python 3.6+ 库。它可以通过以下方式安装：
pip install augly上述命令仅安装使用图像和文本模式的基本要求。对于音频和视频模式，安装所需的额外依赖项:
pip install augly[av]文件目录

# 数据的文件夹目录# 图片类别：0,1,2...naugment_data- train_data	- 0	- 1	- ...- val_data	- 0	- 1	- ...- test_data	- 0	- 1	- ...

import osfrom PIL import Imagefrom PIL import ImageFileimport augly.image as imaugsfrom tqdm import tqdmImageFile.LOAD_TRUNCATED_IMAGES = Truedef 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 fileArraydef 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 dirArraydef 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')# 图像模糊output_path = each + '\' + dirname + "_" + str(i) + "_" + "blur" + "." + imgformatimaugs.blur(aug_image, output_path=output_path)# 图像亮度output_path = each + '\' + dirname + "_" + str(i) + "_" + "brightness" + "." + imgformatimaugs.brightness(aug_image, factor=1.5, output_path=output_path)# 对比度output_path = each + '\' + dirname + "_" + str(i) + "_" + "contrast" + "." + imgformatimaugs.contrast(aug_image, factor=1.5, output_path=output_path)# 灰度output_path = each + '\' + dirname + "_" + str(i) + "_" + "grayscale" + "." + imgformatimaugs.grayscale(aug_image, output_path=output_path)# 水平翻转output_path = each + '\' + dirname + "_" + str(i) + "_" + "hflip" + "." + imgformatimaugs.hflip(aug_image, output_path=output_path)# 随机噪声output_path = each + '\' + dirname + "_" + str(i) + "_" + "random_noise" + "." + imgformatimaugs.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)

增强结果