Python数据增强(data augmentation)库--Augmentor 使用介绍

简介: Augmentor 使用介绍原图1.random_distortion(probability, grid_height, grid_width, magnitude)最终选择参数为p.

Augmentor 使用介绍

原图

img_83d69d3f1a669eb9cba2e39d3ddba67b.jpe

1.random_distortion(probability, grid_height, grid_width, magnitude)

最终选择参数为

  • p.random_distortion(probability=0.8, grid_height=3, grid_width=3, magnitude=6)
img_596b9163bca3ea16152bf6a5f70613ee.jpe

其他参数效果:

magnitudegrid_width,grid_height越大,扭曲程度越大


  • p.random_distortion(probability=0.6, grid_height=6, grid_width=6, magnitude=5)
img_4a5307d71f15faf389a6e3b4d6ec9cf1.jpe
  • p.random_distortion(probability=0.6, grid_height=6, grid_width=6, magnitude=9)
img_5a7222e8abddaa3fc29f2420e8281f24.jpe
  • p.random_distortion(probability=0.6, grid_height=10, grid_width=10, magnitude=5)
img_4b4cf7cf54ac0f1419789098ad6438b3.jpe

2.random_erasing(probability, rectangle_area)

rectangle_area表示覆盖区域的比例,值越大比例越大。但是设置为1的时候并不是全覆盖,不知道为什么,反正也没必要弄清楚

  • p.random_erasing(1,1)
img_83558d5b1f59e112b5b8b799b1d79dbb.jpe

3.zoom_random(probability, percentage_area)

放大图片,然后按照percenta_area的比例对图片进行crop。

  • p.zoom_random(probability=1, percentage_area=0.2)
img_d7f7d535d0aece245ac8d863930e4125.jpe
  • p.zoom_random(probability=1, percentage_area=0.8)
img_4389b3c0c39bb39143674f61f35e7331.jpe

4.zoom(probability, min_factor, max_factor)

  • p.zoom(probability=1, min_factor=1.1, max_factor=1.5)
img_69653447e64aca555afcc6f2527c6e00.jpe
  • p.zoom(probability=1, min_factor=2, max_factor=2)
img_5d8feaca493447ecbe8e5fb6d4f2a767.jpe

组合操作

p.rotate_random_90(probability=0.8)
p.random_distortion(probability=0.8, grid_height=3, grid_width=3, magnitude=6)
p.random_erasing(0.3, 0.2)
p.zoom(probability=0.4, min_factor=1.1, max_factor=1.5)
p.sample(6)
img_626018fc86eefdf9aa0eb51c14ed606f.jpe img_1ccd05bd85cdb07b78c6559a76c02dfa.jpe img_610983527476cbe17716332ffc98319d.jpe img_e813eef6c68ee55b885809cb19bda96e.jpe img_6cf9b3f00de9ae5d961abea49b9e28f0.jpe img_e830ddf55a24a8006a746dc520cf6050.jpe


MARSGGBO原创





2018-4-1



目录
相关文章
|
21天前
|
数据采集 数据可视化 数据挖掘
利用Python自动化处理Excel数据:从基础到进阶####
本文旨在为读者提供一个全面的指南,通过Python编程语言实现Excel数据的自动化处理。无论你是初学者还是有经验的开发者,本文都将帮助你掌握Pandas和openpyxl这两个强大的库,从而提升数据处理的效率和准确性。我们将从环境设置开始,逐步深入到数据读取、清洗、分析和可视化等各个环节,最终实现一个实际的自动化项目案例。 ####
|
13天前
|
XML JSON 数据库
Python的标准库
Python的标准库
129 77
|
27天前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
82 4
数据分析的 10 个最佳 Python 库
|
14天前
|
XML JSON 数据库
Python的标准库
Python的标准库
41 11
|
27天前
|
人工智能 API 开发工具
aisuite:吴恩达发布开源Python库,一个接口调用多个大模型
吴恩达发布的开源Python库aisuite,提供了一个统一的接口来调用多个大型语言模型(LLM)服务。支持包括OpenAI、Anthropic、Azure等在内的11个模型平台,简化了多模型管理和测试的工作,促进了人工智能技术的应用和发展。
105 1
aisuite:吴恩达发布开源Python库,一个接口调用多个大模型
|
14天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
57 8
|
1月前
|
XML 存储 数据库
Python中的xmltodict库
xmltodict是Python中用于处理XML数据的强大库,可将XML数据与Python字典相互转换,适用于Web服务、配置文件读取及数据转换等场景。通过`parse`和`unparse`函数,轻松实现XML与字典间的转换,支持复杂结构和属性处理,并能有效管理错误。此外,还提供了实战案例,展示如何从XML配置文件中读取数据库连接信息并使用。
Python中的xmltodict库
|
1月前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
95 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
20天前
|
数据采集 分布式计算 大数据
构建高效的数据管道:使用Python进行ETL任务
在数据驱动的世界中,高效地处理和移动数据是至关重要的。本文将引导你通过一个实际的Python ETL(提取、转换、加载)项目,从概念到实现。我们将探索如何设计一个灵活且可扩展的数据管道,确保数据的准确性和完整性。无论你是数据工程师、分析师还是任何对数据处理感兴趣的人,这篇文章都将成为你工具箱中的宝贵资源。
|
21天前
|
安全 API 文件存储
Yagmail邮件发送库:如何用Python实现自动化邮件营销?
本文详细介绍了如何使用Yagmail库实现自动化邮件营销。Yagmail是一个简洁强大的Python库,能简化邮件发送流程,支持文本、HTML邮件及附件发送,适用于数字营销场景。文章涵盖了Yagmail的基本使用、高级功能、案例分析及最佳实践,帮助读者轻松上手。
30 4