语义分割-seg.transforms¶
对用于分割任务的数据进行操作。可以利用Compose类将图像预处理/增强操作进行组合。
Compose类¶
paddlex.seg.transforms.Compose(transforms)
根据数据预处理/数据增强列表对输入数据进行操作。使用示例
参数¶
- transforms (list): 数据预处理/数据增强列表。
RandomHorizontalFlip类¶
paddlex.seg.transforms.RandomHorizontalFlip(prob=0.5)
以一定的概率对图像进行水平翻转,模型训练时的数据增强操作。
参数¶
- prob (float): 随机水平翻转的概率。默认值为0.5。
RandomVerticalFlip类¶
paddlex.seg.transforms.RandomVerticalFlip(prob=0.1)
以一定的概率对图像进行垂直翻转,模型训练时的数据增强操作。
参数¶
- prob (float): 随机垂直翻转的概率。默认值为0.1。
Resize类¶
paddlex.seg.transforms.Resize(target_size, interp='LINEAR')
调整图像大小（resize）。
- 当目标大小（target_size）类型为int时，根据插值方式， 将图像resize为[target_size, target_size]。
- 当目标大小（target_size）类型为list或tuple时，根据插值方式， 将图像resize为target_size, target_size的输入应为[w, h]或（w, h）。
参数¶
- target_size (int|list|tuple): 目标大小
- interp (str): resize的插值方式，与opencv的插值方式对应， 可选的值为[‘NEAREST’, ‘LINEAR’, ‘CUBIC’, ‘AREA’, ‘LANCZOS4’]，默认为”LINEAR”。
ResizeByLong类¶
paddlex.seg.transforms.ResizeByLong(long_size)
对图像长边resize到固定值，短边按比例进行缩放。
参数¶
- long_size (int): resize后图像的长边大小。
ResizeRangeScaling类¶
paddlex.seg.transforms.ResizeRangeScaling(min_value=400, max_value=600)
对图像长边随机resize到指定范围内，短边按比例进行缩放,模型训练时的数据增强操作。
参数¶
- min_value (int): 图像长边resize后的最小值。默认值400。
- max_value (int): 图像长边resize后的最大值。默认值600。
ResizeStepScaling类¶
paddlex.seg.transforms.ResizeStepScaling(min_scale_factor=0.75, max_scale_factor=1.25, scale_step_size=0.25)
对图像按照某一个比例resize，这个比例以scale_step_size为步长，在[min_scale_factor, max_scale_factor]随机变动,模型训练时的数据增强操作。
参数¶
- min_scale_factor（float), resize最小尺度。默认值0.75。
- max_scale_factor (float), resize最大尺度。默认值1.25。
- scale_step_size (float), resize尺度范围间隔。默认值0.25。
Normalize类¶
paddlex.seg.transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])
对图像进行标准化。
1.图像像素归一化到区间 [0.0, 1.0]。 2.对图像进行减均值除以标准差操作。
参数¶
- mean (list): 图像数据集的均值。默认值[0.5, 0.5, 0.5]。
- std (list): 图像数据集的标准差。默认值[0.5, 0.5, 0.5]。
Padding类¶
paddlex.seg.transforms.Padding(target_size, im_padding_value=[127.5, 127.5, 127.5], label_padding_value=255)
对图像或标注图像进行padding，padding方向为右和下。根据提供的值对图像或标注图像进行padding操作。
参数¶
- target_size (int|list|tuple): padding后图像的大小。
- im_padding_value (list): 图像padding的值。默认为[127.5, 127.5, 127.5]。
- label_padding_value (int): 标注图像padding的值。默认值为255（仅在训练时需要设定该参数）。
RandomPaddingCrop类¶
paddlex.seg.transforms.RandomPaddingCrop(crop_size=512, im_padding_value=[127.5, 127.5, 127.5], label_padding_value=255)
对图像和标注图进行随机裁剪，当所需要的裁剪尺寸大于原图时，则进行padding操作，模型训练时的数据增强操作。
参数¶
- crop_size（int|list|tuple): 裁剪图像大小。默认为512。
- im_padding_value (list): 图像padding的值。默认为[127.5, 127.5, 127.5]。
- label_padding_value (int): 标注图像padding的值。默认值为255。
RandomBlur类¶
paddlex.seg.transforms.RandomBlur(prob=0.1)
以一定的概率对图像进行高斯模糊，模型训练时的数据增强操作。
参数¶
- prob (float): 图像模糊概率。默认为0.1。
RandomRotation类¶
paddlex.seg.transforms.RandomRotate(rotate_range=15, im_padding_value=[127.5, 127.5, 127.5], label_padding_value=255)
对图像进行随机旋转, 模型训练时的数据增强操作。
在旋转区间[-rotate_range, rotate_range]内，对图像进行随机旋转，当存在标注图像时，同步进行， 并对旋转后的图像和标注图像进行相应的padding。
参数¶
- rotate_range (float): 最大旋转角度。默认为15度。
- im_padding_value (list): 图像padding的值。默认为[127.5, 127.5, 127.5]。
- label_padding_value (int): 标注图像padding的值。默认为255。
RandomScaleAspect类¶
paddlex.seg.transforms.RandomScaleAspect(min_scale=0.5, aspect_ratio=0.33)
裁剪并resize回原始尺寸的图像和标注图像,模型训练时的数据增强操作。
按照一定的面积比和宽高比对图像进行裁剪，并reszie回原始图像的图像，当存在标注图时，同步进行。
参数¶
- min_scale (float)：裁取图像占原始图像的面积比，取值[0，1]，为0时则返回原图。默认为0.5。
- aspect_ratio (float): 裁取图像的宽高比范围，非负值，为0时返回原图。默认为0.33。
RandomDistort类¶
paddlex.seg.transforms.RandomDistort(brightness_range=0.5, brightness_prob=0.5, contrast_range=0.5, contrast_prob=0.5, saturation_range=0.5, saturation_prob=0.5, hue_range=18, hue_prob=0.5)
以一定的概率对图像进行随机像素内容变换，模型训练时的数据增强操作。
1.对变换的操作顺序进行随机化操作。 2.按照1中的顺序以一定的概率对图像在范围[-range, range]内进行随机像素内容变换。
【注意】该数据增强必须在数据增强Normalize之前使用。
参数¶
- brightness_range (float): 明亮度因子的范围。默认为0.5。
- brightness_prob (float): 随机调整明亮度的概率。默认为0.5。
- contrast_range (float): 对比度因子的范围。默认为0.5。
- contrast_prob (float): 随机调整对比度的概率。默认为0.5。
- saturation_range (float): 饱和度因子的范围。默认为0.5。
- saturation_prob (float): 随机调整饱和度的概率。默认为0.5。
- hue_range (int): 色调因子的范围。默认为18。
- hue_prob (float): 随机调整色调的概率。默认为0.5。