データセット拡張 (data augmentation)
ニューラルネットワークで必要になるトレーニング用のデータセット。
German Traffic Sign Datasetの様に枚数があれば良いのですが、
現実には整備済みデータセットはまだまだ少ないというのが現状です。。
そこで必要になるのがデータの水増し。
人工的にデータ増やしてしまおう作戦です。既に
など分かりやすい解説はあるので、
- 左右反転
- 明るさチェンジ
- 上下左右にシフト
の3つのopencvバージョンでも紹介します。
コードはこちらからどうぞ。
1. 左右反転
opencvでの左右反転は
flipped = cv2.flip(img,1)の一行でおしまいです。1は反転方向を左右に指定してるだけです。ちょろい。
2. 明るさチェンジ
def change_brightness(image): image1 = cv2.cvtColor(image,cv2.COLOR_RGB2HSV) image1 = np.array(image1, dtype = np.float64) # can be changed the brightness at here (currently 2.0) random_bright = 2.0 #+np.random.uniform()*.4 image1[:,:,2] = image1[:,:,2]*random_bright image1[:,:,2][image1[:,:,2]>255] = 255 image1 = np.array(image1, dtype = np.uint8) image1 = cv2.cvtColor(image1,cv2.COLOR_HSV2RGB) return image1
rgb空間だと明るさ変えられないのでhsv空間に変換してからゲインかけてるだけです。
2.0のところを小さくすれば暗くなりますし、ランダムにもできます。ちょろい。
3. 上下左右にシフト
def shift(image,trans_range): rows,cols = image.shape[0:2] # Translation tr_x = trans_range*np.random.uniform()-trans_range/2 tr_y = trans_range*np.random.uniform()-trans_range/2 #tr_y = 0 Trans_M = np.float32([[1,0,tr_x],[0,1,tr_y]]) image_tr = cv2.warpAffine(image,Trans_M,(cols,rows)) return image_tr
x, y方向にtrans_rangeに応じたピクセル数だけずらしてるだけです。ちょろい。
ということで、結果はこちら。
関数にしとくとシフトと明るさチェンジの両方適用したりが簡単です。
手前方向に回転(ワープ処理)とかは気が向いたら実装します。
おしまい。
