Skip to content

Augmentation

Classification 학습 시 사용 가능한 augmentation 종류는 다음과 같습니다 (총 11종류) 

[
    "vertical_flip",
    "horizontal_flip",
    "rotate",
    "adjust_brightness",
    "adjust_contrast",
    "adjust_hue",
    "adjust_saturation",
    "adjust_gamma",
    "blur",
    "ratio_jitter",
]

이를 위한 image augmentation API는 Preview API와 Trainer Config의 2가지로 구성됩니다.

  • Preview API: 유저가 세팅한 파라미터에 대해 이미지 미리보기 제공
  • Trainer Config: 유저가 세팅한 파라미터를 학습에 사용하기 위해 Trainer.build()에 넣어주는 config

classification.ImageProcessor

Bases: _APIDecorator

Image Augmentation Preview를 위한 API 입니다. 각 augmentation들이 특정 파라미터 값에 대해 이미지를 어떻게 변형 시키는지 확인할 수 있습니다.

Note1

일반적으로 학습 시에는 파라미터를 특정 값이 아닌 범위로 설정하여 해당 범위에서 매번 랜덤한 값을 선택해 이미지에 적용합니다. 따라서 preview API의 입력 파라미터와 학습 시 넘겨주는 파라미터는 대부분 값 vs 범위의 차이를 가지게 됩니다. 예를 들어 preview API에서 rotate의 경우 angle (float) 값을 받지만, 학습 config에서는 angle_limit (List[float]) 범위를 받게됩니다. 각 augmentation을 학습에 사용시 필요한 config는 각 함수 설명의 Trainer Config 섹션을 참고하세요.

Note2

API 기획상, augmentation의 실제 자유도보다, 유저가 설정할 수 있는 파라미터가 적은 경우가 있습니다. (각 변 혹은 꼭짓점 마다 독립적으로 적용되는 ratio_jitter나 perspective_transform의 경우) 이러한 augmentation들은 api 호출 시, '값'을 입력 받아서, 이 '값'으로 부터 정의된 '범위'에서 필요한 값들을 랜덤하게 샘플링하게 됩니다. 이러한 augmentation들의 preview 함수를 정의할 때는, 인풋에 fixed_aug_params를 받을 수 있도록 해주어야합니다. (ImageProcessor.ratio_jitter 참고)

Usage

rotate augmentation preview 예제입니다. 상세 설명은 각 함수 설명 참고. 

image = np.zeros((100, 100, 3), dtype=np.unit8)
error, augmented_result = ImageProcessor.rotate(image=image, angle=15)
augmented_image, augmentation_parameters = augmented_result

# In the case of 'rotate' augmentation, `augmentation_parameters` is None

vertical_flip(image)

image를 상하로 뒤집습니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.vertical_flip(image=image)
Trainer Config 
{
    "_target_": "vertical_flip",
}

horizontal_flip(image)

image를 좌우로 뒤집습니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.horizontal_flip(image=image)
Trainer Config 
{
    "_target_": "horizontal_flip",
}

rotate(image, angle=0.0)

image를 angle만큼 회전시킵니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
angle float

회전하는 각도 입니다. 유효 범위는 다음과 같습니다. [-360.0, 360.0]. Defaults to 0.0.

 0.0

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.rotate(image=image, angle=60.0)
Trainer Config 
{
    "_target_": "rotate",
    "angle_limit": List[float],  # angle 최소 최대 범위
}

adjust_brightness(image, brightness=0.0)

image의 밝기 (brightness)를 변경합니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
brightness float

밝기를 변화 강도입니다. 유효 범위는 다음과 같습니다. [-1.00, 1.00]. Defaults to 0.0.

 0.0

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.adjust_brightness(image=image, brightness=0.3)
Trainer Config 
{
    "_target_": "adjust_brightness",
    "brightness_limit": List[float],  # brightness 최소 최대 범위
}

adjust_contrast(image, contrast=0.0)

image의 대비 (contrast)를 변경합니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
contrast float

대비 변화 강도입니다. 유효 범위는 다음과 같습니다. [-1.00, 1.00]. Defaults to 0.0.

 0.0

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.adjust_contrast(image=image, contrast=0.7)
Trainer Config 
{
    "_target_": "adjust_contrast",
    "contrast_limit": List[float],  # contrast 최소 최대 범위
}

adjust_hue(image, hue=0.0)

image의 색조 (hue)를 변경합니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
hue float

색조 변화 강도입니다. 유효 범위는 다음과 같습니다. [-1.00, 1.00]. Defaults to 0.0.

 0.0

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.adjust_hue(image=image, hue=0.7)
Trainer Config 
{
    "_target_": "adjust_hue",
    "hue_limit": List[float],  # hue 최소 최대 범위
}

adjust_saturation(image, saturation=0.0)

image의 채도 (saturation)를 변경합니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
saturation float

채도 변화 강도입니다. 유효 범위는 다음과 같습니다. [-1.00, 1.00]. Defaults to 0.0.

 0.0

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.adjust_saturation(image=image, saturation=0.7)
Trainer Config 
{
    "_target_": "adjust_saturation",
    "saturation_limit": List[float],  # saturation 최소 최대 범위
}

adjust_gamma(image, gamma=0.0)

image의 gamma를 조절하여 밝기를 변화시킵니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
gamma float

조절할 gamma value 입니다. 유효 범위는 다음과 같습니다. [-1.0, 1.0]. Defaults to 0.0.

 0.0

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.adjust_gamma(image=image, gamma=0.5)
Trainer Config 
{
    "_target_": "adjust_gamma",
    "gamma_limit": List[float],  # gamma 최소 최대 범위
}

blur(image, ksize=1)

image에 averaging blur를 적용합니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
ksize int

blur kernel의 크기 입니다. 유효 범위는 다음과 같습니다. [1, 100]. Defaults to 1.

 1

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, augmented_image = ImageProcessor.blur(image=image, ksize=3)
Trainer Config 
{
    "_target_": "blur",
    "ksize_limit": List[int],  # ksize 최소 최대 범위
}

ratio_jitter(image, proportion=0, fixed_aug_params=None)

image에 random하게 padding과 crop을 한 뒤, 원래 size로 resize 하는 과정을 통해 image의 가로 세로 비율을 변경합니다. NOTE: 프리뷰에서는 네변에 각각 [0, proportion] 범위에서 crop 혹은 padding한 예시를 보여줍니다.

Parameters:

Name Type Description Default
image np.ndarray

augmentation을 적용할 image 입니다. 

data type: uint8
channel: H x W / H x W x 1  - Gray
         H x W x 3 - RGB
         H x W x 4 - RGBA

required
proportion int

padding 혹은 crop을 할 비율(단위: 백분율)입니다. 유효 범위는 다음과 같습니다. [0, 50]. Defaults to 0. (fixed_aug_params=None일 때만 작동합니다.)

 0
fixed_aug_params Dict

각 변에 대해서 고정된 crop 혹은 padding을 직접 정해주고자 할 때 사용합니다.

 None

Returns:

Name Type Description
np.ndarray

np.ndarray: augmentation이 적용된 image 입니다.
Dict Dict

각 변에 적용된 proportioin 비율(-50 ~ 50 사이의 실수, 양수이면 crop, 음수이면 pad)들입니다. 

{
    "proportion_left": float,
    "proportion_right": float,
    "proportion_top": float,
    "proportion_bottom": float,
}

각 변에 대해 crop 혹은 padding할 비율을 직접 설정 
error, augmented_image = ImageProcessor.ratio_jitter(
    image=image,
    proportion=None,
    fixed_aug_params={
        "proportion_left": 2.0,
        "proportion_right": 2.0,
        "proportion_top": 2.0,
        "proportion_bottom": 2.0,
    }
)
각 변에 [-proportion, proportion] 범위에서 랜덤하게 crop 혹은 padding 적용 
error, augmented_image = ImageProcessor.ratio_jitter(image=image, proportion=2)
Trainer Config 
{
    "_target_": "ratio_jitter",
    "proportion_limit": int,  # proportion 최대 범위
}

Trainer Config

Trainer에 넘겨주는 augmentation config는 List[Dict] 형태이며, 적용할 augmentation들의 파라미터(Dict)를 리스트로 모은 것입니다. 해당 리스트를 Trainer.build() config의 augmentation 섹션에 넣어주면 학습 시 augmentation이 적용됩니다.

  • Augmentation config 예시 (10가지 augmentation 모두 사용하는 경우, 파라미터는 유저가 선택한 값) 

    augmentation_config = [
    {
        "_target_": "vertical_flip",
    },
    {
        "_target_": "horizontal_flip",
    },
    {
        "_target_": "rotate",
        "angle_limit": [-30, 30],
    },
    {
        "_target_": "adjust_brightness",
        "brightness_limit": [-0.2, 0.2],
    },
    {
        "_target_": "adjust_contrast",
        "contrast_limit": [-0.2, 0.2],
    },
    {
        "_target_": "adjust_hue",
        "hue_limit": [-0.2, 0.2],
    },
    {
        "_target_": "adjust_saturation",
        "saturation_limit": [-0.2, 0.2],
    },
    {
        "_target_": "adjust_gamma",
        "gamma_limit": [-0.2, 0.2],
    },
    {
        "_target_": "blur",
        "ksize_limit": [3, 7],
    },
    {
        "_target_": "ratio_jitter",
        "proportion_limit": 2,
    },
]

  • Augmentation config 예시2 ("vertical_flip"만 사용하는 경우) 

    augmentation_config = [
    {
        "_target_": "vertical_flip",
    },
]

  • Trainer build config 예시 

    augmentation_config = [
    {
        "_target_": "vertical_flip",
    },
    {
        "_target_": "rotate",
        "angle_limit": [-30, 30],
    },
]

trainer_config = {
    "network_type": "v2_fast",
    ...
    "augmentation": augmentation_config,  # augmentation section에 삽입
    ...
}

error, trainer = Trainer.build(config=trainer_config, data)