152層的 Resnet的圖片輸入尺寸為224*224，那對于大多數情況，圖片的分辨率都是大于這個數值，那么該如何把圖片的尺寸裁剪到這樣一個尺寸，又如何進行數據增強呢？

第一，調整尺寸(Rescaling)

先將圖片較短的那條邊，隨機縮放到[256,480]這樣一個范圍內。注意，此時的圖片是等比例縮放的。舉個例子，原始圖片的尺寸為[1000,800,3]，假設圖片短邊縮放到256，那么此時圖片的尺寸即為[320,256,3]，即圖片的長寬比例是不變的。

第二，裁剪(Cropping)

將圖片進行水平翻轉，然后從原圖片和翻轉后的圖片中，隨機裁剪出224*224的圖片。那到底裁幾張呢？Resnet沒有明說。。。我覺得還是看自己計算機的配置。因為從理論上來說，假設裁剪過后的圖片尺寸為[256,256,3]，如果按照步長為1，最多可以裁剪出(256-224)*(256-224) = 1024張，再加上水平翻轉的圖片，還要乘以個2，也就是2048張圖片。一張圖片擴展了2048倍，肯定是非常夸張了，那所以，我的做法是隨機裁剪個10張，就差不多了。

第三，歸一化(Normalizing)

具體做法就是對于整個訓練集圖片，每個通道分別減去訓練集該通道平均值。

第四，顏色抖動(color shifting)

這里resnet 引用的是Alexnet 2012年提出的做法，對于每張圖片，每個通道的數據先由二維轉成一維(例如256*256*3，轉成65536*3)，再對該圖片(65536*3)三個通道求出協方差矩陣(3*3)，再求出協方差矩陣的特征向量p和特征值λ，最后按照下圖這樣一個公式進行轉換進行變換， 這里α是一個服從均值為0，方差為0.1的隨機變量(簡單來說就是一個很小的隨機數)，[p1,p2,p3]是一個3*3的矩陣，[λ1,λ2,λ3]的轉置是一個3*1的矩陣，最后矩陣相乘的結果也是個3*1的矩陣，剛好可以和原圖片3個通道相加，這里執行的是python中的廣播機制，即圖片每個通道65536個像素點都加上同一個數。

這樣就完成了顏色的隨機抖動，不過我一直想不明白特征值乘以特征向量有著什么樣的數學解釋，如果您知道，請聯系我(QQ380922457，知乎ID：梁航銘)

第五,測試方法

先抽取測試集圖像的四個角以及中間的224×224部分，還包括鏡像共有10個部分(Patch)結果，再對這10個輸入的測試結果做平均作為我們對該測試集圖片的最終測試結果。

代碼如下

from random import normalvariate

import numpy as np

import os

from PIL import Image

from random import randint

IMAGE_PATH ="/Users/lianghangming/Desktop/"

# 等比例地把圖片較短的一邊縮放到區間[256,480]

def rescale(image):

w = image.size[0]

h = image.size[1]

sizeMax =480

sizeMin =256

random_size = randint(sizeMin,sizeMax)

if w < h:

return image.resize((random_size,round(h/w * random_size)))

else:

return image.resize((round(w/h * random_size),random_size))

# 隨機裁剪圖片

def random_crop(image):

w = image.size[0]

h = image.size[1]

size =224

new_left = randint(0,w - size)

new_upper = randint(0,h - size)

return image.crop((new_left,new_upper,size+new_left,size+new_upper))

# 水平翻轉圖片

def horizontal_flip(image):

returnimage.transpose(Image.FLIP_LEFT_RIGHT)

# 圖片均值歸一化

def nomalizing(image,mean_value,add_num):

image = np.array(image)

# image = image.astype(float)

for i in range(3):

add_num = add_num.astype(int)

image[:,:,i] = (image[:,:,i] - mean_value[i] + add_num[i])#/std[i]

return image

# 求整個訓練集圖片的均值

def mean(image_dir):

for file in os.listdir(image_dir):

iffile.endswith("jpg"):

file = os.path.join(image_dir,file)

image = np.array(Image.open(file))

image = np.reshape(image,[-1,3])

try:

image_array = np.concatenate((image_array,image),0)# 第一張圖片不存在image_array

except:

image_array = image

mean_value = image_array.mean(0)

# std_value = image_array.std(0)

return mean_value

# 求整個訓練集圖片的PCA

def pca(image_dir,mean_value):

for file in os.listdir(image_dir):

iffile.endswith("jpg"):

file = os.path.join(image_dir,file)

image = np.array(Image.open(file))

image = np.reshape(image,[-1,3])

image = image.astype(float)

image -= mean_value# 零均值化

# image = image/255.0

try:

image_array = np.concatenate((image_array,image),0)# 第一張圖片不存在image_array

except:

image_array = image

# 求協方差矩陣

image_cov = np.cov([image_array[:,0],image_array[:,1],image_array[:,2]])

lambd,p = np.linalg.eig(image_cov)

alpha0 = normalvariate(0,0.1)

alpha1 = normalvariate(0,0.1) alpha2 = normalvariate(0,0.1)

v = np.transpose((alpha0*lambd[0],alpha1*lambd[1],alpha2*lambd[2]))

add_num = np.dot(v,np.transpose(p))

return add_num

如有錯誤，歡迎指正

總結

以上是生活随笔為你收集整理的resnet152训练_Resnet-152的图像预处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。