Skip to content

Augmentation

Segmentation 학습 시 사용 가능한 augmentation 종류는 다음과 같습니다 (총 11종류) 단, "perspective_transform"과 "random_erasing"의 경우는 사용에 주의해야 합니다. 결함 검출에서는 사용을 지양합니다. 

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

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

segmentation.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, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

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

horizontal_flip(image)

image를 좌우로 뒤집습니다.

Parameters:

Name Type Description Default
image 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, 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 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
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

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

perspective_transform(image, intensity=0, fixed_aug_params=None)

이미지를 투영 변환(Perspective Transform)합니다. image를 다른 각도(시점)에서 바라본 형태로 변환합니다. Perspective Transform 을 위한 네개의 도착점의 좌표 (offset)은 다음과 같이 샘플링됩니다. offset_top_left: 원본 이미지의 좌측 상단 모서리를 얼마만큼 중심부로 이동시킬 지에 대한 실수 값이 들어있습니다. 즉, Perspective Transform 의 좌측 상단점의 도착점은 아래와 같이 계산할 수 있습니다.

```
x` = 0 + width * offset_top_left[0]
y` = 0 + height * offset_top_left[1]
point_dst = (x`, y`)
```
offset_bottom_right

offset_top_left 와 동일하되 우측 하단 점을 나타냅니다. Perspective Transform 의 우측 하단점의 도착점은 아래와 같이 계산할 수 있습니다.

x` = width - width * offset_bottom_right[0]
y` = height - height * offset_bottom_right[1]
point_dst = (x`, y`)

offset_top_right: offset_top_left 와 동일하되 우측 상단 점을 나타냅니다. offset_bottom_left: offset_top_left 와 동일하되 좌측 하단 점을 나타냅니다.

Parameters:

Name Type Description Default
image 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
intensity int

perspective transform 을 적용 강도(단위: 백분율)입니다. intensity 범위 내에서 랜덤한 값으로 샘플된 네개의 offset 을 이용해 perspective transform 을 수행합니다. 유효 범위는 [0, 49] 로, 각 도착지 점들은 이미지의 중간 선을 지나칠 수 없습니다. 이를 통해 이미지가 반전되는 정도의 왜곡을 방지합니다. Defaults to 0. (fixed_aug_params=None일 때만 작동합니다.)

 0
fixed_aug_params Dict

각 꼭짓점에 대해서 offset 비율을 직접 정해주고자 할 때 사용합니다.

 None

Returns:

Name Type Description
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
Dict Dict

각 꼭짓점에 적용된 offset들입니다. 

{
    "offset_top_left": Tuple[float, float],
    "offset_top_right": Tuple[float, float],
    "offset_bottom_right": Tuple[float, float],
    "offset_bottom_left": Tuple[float, float],
}

각 꼭짓점의 offset 비율을 직접 설정 
error, message, augmented_image = ImageProcessor.perspective_transform(
    image=image,
    fixed_aug_params={
        "offset_top_left": (25.0, 30.0),
        "offset_top_right": (10.0, 40.0),
        "offset_bottom_right": (0.0, 20.0),
        "offset_bottom_left": (20.0, 35.0),
    }
)
각 꼭짓점에 [0, intensity] 범위에서 랜덤하게 offset 비율을 적용 
error, message, augmented_image = ImageProcessor.perspective_transform(
    image=image,
    intensity=10,
)
Trainer Config 
{
    "_target_": "perspective_transform",
    "intensity_limit": List[float],  # intensity 최소 최대 범위
}

random_erasing(image, scale=0.02)

image에 random erasing을 적용합니다. 이미지의 일부분을 랜덤하게 지웁니다. 지워질 영역은 '검은색', '회색' 또는 '랜덤'으로 채워집니다. '랜덤'의 경우, 지워질 영역내 각 픽셀의 값이 무작위하게 선택됩니다.

NOTE: 원본 이미지의 종횡비와 설정한 scale 값에 따라 지워지는 영역 일부분이 이미지를 벗어날 수도 있습니다. 이 경우는, 벗어나지 않는 영역 내에서만 이미지의 일부분이 지워집니다.

Parameters:

Name Type Description Default
image 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
scale float

입력 이미지에서 지워질 영역의 면적 비율입니다. 실제로 지워질 면적은 [원본 이미지의 면적 * scale] 입니다. 해당 값이 0이면 지워지는 영역이 없이 원본 이미지가 그대로 반환됩니다. 유효 범위는 다음과 같습니다. [0.0, 0.5]. Defaults to 0.02.

 0.02

Returns:

Name Type Description
ndarray

np.ndarray: augmentation이 적용된 image 입니다.
NoneType None

None
Example 
error, message, augmented_image = ImageProcessor.random_erasing(image=image, scale=0.02)
Trainer Config 
{
    "_target_": "random_erasing",
    "scale_limit": list[float],  # scale 최소 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 (9가지 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],
    },
]

  • 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": "v1_shallow",
    ...
    "augmentation": augmentation_config,  # augmentation section에 삽입
    ...
}

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