如何使用Pytorch将增强图像添加到原始数据集中？

Question

据我了解，RandomHorizo​​ntalFlip等替换图像，而不是向数据集添加新图像。如何通过使用PyTorch向数据集中添加增强图像来增加数据集大小？

我浏览了发布的链接，但未找到解决方案。我想通过添加翻转/旋转的图像来增加数据大小-但该帖子介绍了图像的就地处理。

谢谢。

Answer 1

您为什么想要它？一般而言，增加数据集上的历元数就足够了，并且您的模型将至少看到一次每个图像的原始和增强版本（假设历时数相对较高）。

说明：

例如，如果您的扩增有50％的机会被应用，则在100个时期之后，您将获得〜50个原始图像的样本和〜50个扩增图像的样本。因此，增加数据集大小等效于添加历元，但（可能）在内存方面效率较低（需要将图像存储在内存中以具有高性能）。

Answer 2

它需要一些解释。 transforms.Compose 创建一个位于 <class 'torchvision.transforms.transforms.Compose'> （您可以通过使用 type()
例如

train_tfm = transforms.Compose([transforms.Resize((128, 128)),transforms.ToTensor(),])
print(type(train_tfm))

所以它不是数据集，因此不能直接协调

在代码中搜索，看看携带增广指令的变量是如何进行的。

应该有某种数据读取器，它可能属于 <class 'torchvision.datasets.folder.DatasetFolder'>

类

那么就可以使用了：

concat_dataset = ConcatDataset([train_set_1, train_set_2])