【感知实战·数据增强篇】深度解析目标检测中的图片数据增强算法，多图演示效果

探物 AI > 核心导读： 在视觉深度学习中，数据决定了模型上限。对于算力有限或样本稀缺的开发者，数据增强（Data Augmentation）就是性价比最高的“炼丹秘籍”，很多模型准确度的提高就是靠增加数据，增加数据的普适性，因此本文统计数据增强算法，进行汇总，并进行效果演示。

一、 数据增强的四个维度

1. 几何增强和像素增强

这是最经典的策略，旨在告诉模型：物体在不同光照、不同角度下还是同一个东西。

• 几何变换：水平/垂直翻转、旋转、随机裁剪（Crop）、缩放。

  # ─── 1. 几何变换 ────
  def aug_geometric(img: np.ndarray) -> dict:
    h, w = img.shape[:2]
    results = {}
  
    # 水平翻转
    results["HorizontalFlip"] = cv2.flip(img, 1)
  
    # 垂直翻转
    results["VerticalFlip"] = cv2.flip(img, 0)
  
    # 旋转 45°
    M = cv2.getRotationMatrix2D((w // 2, h // 2), 45, 1.0)
    results["Rotate45"] = cv2.warpAffine(img, M, (w, h))
  
    # 随机裁剪（取中心 70%）
    cy, cx = int(h * 0.15), int(w * 0.15)
    crop = img[cy:h - cy, cx:w - cx]
    results["CenterCrop70%"] = cv2.resize(crop, (w, h))
  
    # 缩放（先缩小再 resize 回来）
    small = cv2.resize(img, (int(w * 0.6), int(h * 0.6)))
    results["Scale0.6"] = cv2.resize(small, (w, h))
  
    return results
  
  

几何变换：水平/垂直翻转、旋转、随机裁剪（Crop）、缩放。

# ─── 1. 几何变换 ────
def aug_geometric(img: np.ndarray) -> dict:
  h, w = img.shape[:2]
  results = {}

  # 水平翻转
  results["HorizontalFlip"] = cv2.flip(img, 1)

  # 垂直翻转
  results["VerticalFlip"] = cv2.flip(img, 0)

  # 旋转 45°
  M = cv2.getRotationMatrix2D((w // 2, h // 2), 45, 1.0)
  results["Rotate45"] = cv2.warpAffine(img, M, (w, h))

  # 随机裁剪（取中心 70%）
  cy, cx = int(h * 0.15), int(w * 0.15)
  crop = img[cy:h - cy, cx:w - cx]
  results["CenterCrop70%"] = cv2.resize(crop, (w, h))

  # 缩放（先缩小再 resize 回来）
  small = cv2.resize(img, (int(w * 0.6), int(h * 0.6)))
  results["Scale0.6"] = cv2.resize(small, (w, h))

  return results

• 色彩抖动：调整亮度、对比度、饱和度及色相（Hue）。

  # ─── 2. 色彩抖动 ──────
  def aug_color_jitter(img: np.ndarray) -> dict:
    results = {}
    img_hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV).astype(np.float32)
  
    # 亮度 +60
    bright = img.astype(np.float32)
    bright = np.clip(bright + 60, 0, 255).astype(np.uint8)
    results["Brightness+60"] = bright
  
    # 对比度 ×1.8
    contrast = np.clip(img.astype(np.float32) * 1.8, 0, 255).astype(np.uint8)
    results["Contrast×1.8"] = contrast
  
    # 饱和度 ×2（HSV 的 S 通道）
    sat = img_hsv.copy()
    sat[..., 1] = np.clip(sat[..., 1] * 2, 0, 255)
    results["Saturation×2"] = cv2.cvtColor(sat.astype(np.uint8), cv2.COLOR_HSV2RGB)
  
    # 色相偏移 +30°（HSV 的 H 通道，范围 0-179）
    hue = img_hsv.copy()
    hue[..., 0] = (hue[..., 0] + 30) % 180
    results["HueShift+30"] = cv2.cvtColor(hue.astype(np.uint8), cv2.COLOR_HSV2RGB)
  
    return results
  
  
  

# ─── 2. 色彩抖动 ──────
def aug_color_jitter(img: np.ndarray) -> dict:
  results = {}
  img_hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV).astype(np.float32)

  # 亮度 +60
  bright = img.astype(np.float32)
  bright = np.clip(bright + 60, 0, 255).astype(np.uint8)
  results["Brightness+60"] = bright

  # 对比度 ×1.8
  contrast = np.clip(img.astype(np.float32) * 1.8, 0, 255).astype(np.uint8)
  results["Contrast×1.8"] = contrast

  # 饱和度 ×2（HSV 的 S 通道）
  sat = img_hsv.copy()
  sat[..., 1] = np.clip(sat[..., 1] * 2, 0, 255)
  results["Saturation×2"] = cv2.cvtColor(sat.astype(np.uint8), cv2.COLOR_HSV2RGB)

  # 色相偏移 +30°（HSV 的 H 通道，范围 0-179）
  hue = img_hsv.copy()
  hue[..., 0] = (hue[..., 0] + 30) % 180
  results["HueShift+30"] = cv2.cvtColor(hue.astype(np.uint8), cv2.COLOR_HSV2RGB)

  return results

• 噪声注入：高斯噪声、椒盐噪声（模拟传感器在极端环境下的干扰）。

 # ─── 3. 噪声注入 ─────
def aug_noise(img: np.ndarray) -> dict:
   results = {}
   h, w = img.shape[:2]

# 高斯噪声
gauss = np.random.normal(0, 25, img.shape).astype(np.float32)
noisy = np.clip(img.astype(np.float32) + gauss, 0, 255).astype(np.uint8)
results["GaussianNoise"] = noisy

# 椒盐噪声（1% 像素）
sp = img.copy()
n_pixels = i

🔗 原文链接: 点击阅读原文