MindSpore 常用视觉变换类总结表-CSDN博客

Mindspore中变换有两种, 一种是类, 先创建一个变换类, 然后调用该类实现变换, 以类为基础的变化都是放在

mindspore.dataset.vision

下的; 另一种是Functional, 直接调用函数进行变换, functional变换是放在

import mindspore.dataset.vision as transforms

下的. 实际上这个差不多的, 因此后续不做区分

类名	参数及含义	作用
`Resize(size)`	`size`: 目标图像大小，如 `(256, 256)`	将图像缩放为指定尺寸
`CenterCrop(size)`	`size`: 裁剪目标大小	从图像中心裁剪出指定大小区域
`RandomCrop(size)`	`size`: 裁剪目标大小	随机裁剪图像的一部分
`RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(3./4., 4./3.))`	`size`: 输出大小；`scale`: 缩放范围；`ratio`: 宽高比范围	随机缩放并裁剪图像，常用于 ImageNet 数据增强
`Decode()`	无参数	解码 JPEG 图像文件
`Normalize(mean, std)`	`mean`: 各通道均值；`std`: 各通道标准差	对图像进行标准化处理（如 ImageNet 的 [0.485, 0.456, 0.406]）
`HWC2CHW()`	无参数	将图像格式从 HWC（Height-Width-Channel）转为 CHW（Channel-Height-Width），适配模型输入
`ToTensor()`	无参数	将图像转换为 Tensor，并归一化到 [0, 1] 区间
`RandomHorizontalFlip(prob=0.5)`	`prob`: 水平翻转概率	以一定概率水平翻转图像
`RandomVerticalFlip(prob=0.5)`	`prob`: 垂直翻转概率	以一定概率垂直翻转图像
`RandomColorAdjust(brightness=0, contrast=0, saturation=0, hue=0)`	`brightness`: 亮度调整范围；`contrast`: 对比度调整范围；`saturation`: 饱和度调整范围；`hue`: 色调调整范围	随机调整图像颜色属性，提升泛化能力
`TypeCast(dtype)`	`dtype`: 目标数据类型（如 `mstype.float32`）	转换图像的数据类型
`RandomCropDecodeResize(size, scale=(0.08, 1.0), ratio=(3./4., 4./3.))`	`size`: 输出大小；`scale`, `ratio`: 同上	在解码时随机裁剪并缩放图像，适用于 JPEG 文件，Ascend 加速优化
`RandomLighting(alpha=1.0)`	`alpha`: PCA 投影噪声强度	添加光照变化模拟，提升模型鲁棒性
`RandomHorizontalFlipWithBBox()`	无参数	水平翻转图像的同时同步翻转边界框（用于目标检测）
`ResizeWithBBox(size)`	`size`: 目标大小	缩放图像并同步缩放边界框坐标（用于目标检测）
`RandomSampleCropWithBBox()`	无参数	随机裁剪图像并更新边界框坐标（用于目标检测）

🧠 使用建议（Tips）

ViT, ImageNet:

mean = [0.485 * 255, 0.456 * 255, 0.406 * 255]
std = [0.229 * 255, 0.224 * 255, 0.225 * 255]
trans_train = [
    transforms.RandomCropDecodeResize(size=224,
                                      scale=(0.08, 1.0),
                                      ratio=(0.75, 1.333)),
    transforms.RandomHorizontalFlip(prob=0.5),
    transforms.Normalize(mean=mean, std=std),
    transforms.HWC2CHW()
]
trans_val = [
    transforms.Decode(),
    transforms.Resize(224 + 32),
    transforms.CenterCrop(224),
    transforms.Normalize(mean=mean, std=std),
    transforms.HWC2CHW()
]
Resnet+ Cifa10:

trans = []
if usage == "train":
    trans += [
        vision.RandomCrop((32, 32), (4, 4, 4, 4)),
        vision.RandomHorizontalFlip(prob=0.5)
    ]

trans += [
    vision.Resize(resize),
    vision.Rescale(1.0 / 255.0, 0.0),
    vision.Normalize([0.4914, 0.4822, 0.4465], [0.2023, 0.1994, 0.2010]),
    vision.HWC2CHW()
]