def __init__(self, input_size, color_mean):
'''
:param input_size: int
size to which image will be resized
:param color_mean: tuple
(B, G, R). every mean of B, G, R
'''
self.data_transform = {
'train':
Compose([
ConvertFromInts(),
ToAbsoluteCoords(),
PhotometricDistort(),
Expand(color_mean),
RandomSampleCrop(),
ToPercentCoords(),
Resize(input_size),
SubtractMeans(color_mean)
]),
'val':
Compose([
ConvertFromInts(),
Resize(input_size),
SubtractMeans(color_mean)
])
}
def __init__(self, input_size, color_mean, color_std):
self.data_transform = {
'train':
Compose([
Scale(scale=[0.5, 1.5]), # 画像の拡大縮小
RandomRotation(angle=[-10, 10]), # 画像の回転
RandomMirror(), # 50%の確率で画像の反転
Resize(input_size), # リサイズ
Normalize_Tensor(color_mean, color_std) # 標準化とTensor型への変換
]),
'val':
Compose(
[Resize(input_size),
Normalize_Tensor(color_mean, color_std)])
}
def __init__(self, input_size, color_mean, color_std):
self.data_transform = {
'train':
Compose([
Scale(scale=[0.5, 1.5]), # 画像の拡大
RandomRotation(angle=[-10, 10]), # 回転
RandomMirror(), # ランダムミラー
Resize(input_size), # リサイズ(input_size)
Normalize_Tensor(color_mean, color_std) # 色情報の標準化とテンソル化
]),
'val':
Compose([
Resize(input_size), # リサイズ(input_size)
Normalize_Tensor(color_mean, color_std) # 色情報の標準化とテンソル化
])
}
def __init__(self, input_size: int, palette_dict: dict):
self.data_transform = {
'train':
Compose([
Scale(scale=[0.5, 1.5]), # 画像の拡大
RandomRotation(angle=[-10, 10]), # 回転
RandomMirror(), # ランダムミラー
Resize(input_size), # リサイズ(input_size)
Normalize_Tensor_RGB(palette_dict) # 色情報の標準化とテンソル化
]),
'val':
Compose([
Resize(input_size), # リサイズ(input_size)
Normalize_Tensor_RGB(palette_dict) # 色情報の標準化とテンソル化
])
}
def __init__(self, input_size, color_mean):
self.data_transform = {
'train': Compose([
ConvertFromInts(), # intをfloat32に変換
ToAbsoluteCoords(), # アノテーションデータの規格化を戻す
PhotometricDistort(), # 画像の色調などをランダムに変化
Expand(color_mean), # 画像のキャンバスを広げる
RandomSampleCrop(), # 画像内の部分をランダムに抜き出す
RandomMirror(), # 画像を反転させる
ToPercentCoords(), # アノテーションデータを0-1に規格化
Resize(input_size), # 画像サイズをinput_size×input_sizeに変形
SubtractMeans(color_mean) # BGRの色の平均値を引き算
]),
'val': Compose([
ConvertFromInts(), # intをfloatに変換
Resize(input_size), # 画像サイズをinput_size×input_sizeに変形
SubtractMeans(color_mean) # BGRの色の平均値を引き算
])
}
def __init__(self, input_size, color_mean):
normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
std=[0.229, 0.224, 0.225])
self.data_transform = {
"train":
Compose([
ConvertFromInts(), # intをfloat32に変換
ToAbsoluteCoords(), # アノテーションデータの規格化を戻す
PhotometricDistort(), # 画像の色調などをランダムに変化
#Expand(color_mean), # 画像のキャンバスを広げる
#RandomSampleCrop(), # 画像内の部分をランダムに抜き出す
RandomMirror(), # 画像を反転させる
ToPercentCoords(), # アノテーションデータを0-1に規格化
Resize(input_size), # 画像サイズをinput_size×input_sizeに変形
Normalize() # Preprocess for resnets
]),
"val":
Compose([
ConvertFromInts(), # intをfloatに変換
Resize(input_size), # 画像サイズをinput_size×input_sizeに変形
Normalize()
])
}
def __init__(self, input_size: int, color_mean: Tuple[int, int, int]):
self.data_transform = {
'train':
Compose([
ConvertFromInts(),
# NOTE: dataset items are not normalized
ToAbsoluteCoords(), # de-normalize annotation data
PhotometricDistort(), # change image color randomly
Expand(color_mean), # expand image canvas
RandomSampleCrop(), # extract part of image randomly
RandomMirror(),
ToPercentCoords(), # normalize annotation data with 0-1 range
Resize(input_size
), # transform image size to input_size × input_size
SubtractMeans(color_mean)
]),
'val':
Compose([
ConvertFromInts(),
Resize(input_size
), # transform image size to input_size × input_size
SubtractMeans(color_mean)
])
}
