torchvision.transforms について

記事概要

torchvision.transforms の使い方メモです。なお、transforms.functional はカバーしていません。

torchvision.transforms とは

画像データの入力を加工してくれる callable なクラス群です。画像オブジェクトを渡すだけで前処理 (オーグメント/正規化等) を行ってくれる便利なクラスですが、PIL オブジェクトにのみ対応している transforms と torch.Tensor のみに対応している transforms が存在するため、適用順を間違えるとエラーが出ます。 どちらに対応したクラスかは 公式のリファレンス に載っているため、使う前にチェックするといいと思います。基本的には PIL で操作して、正規化だけは torch.Tensor にすることを覚えておけばよいです。

また、detection や segmentation など ground truth に座標を含むようなタスクではこれらのクラスを利用できない (イメージの変換はできるが、座標の変換はできない) ため、自分でクラスを作る必要があります。

PIL のみに対応したクラス

サイズ系

• CenterCrop
• FiveCrop
• Pad
• RandomAffine
• RandomCrop
• RandomResizedCrop
• Resize
• TenCrop

色系

• ColorJitter
• Grayscale
• RandomAffine
• RandomGrayscale

反転系

• RandomHorizontalFlip
• RandomVerticalFlip
• TenCrop

回転系

• RandomPerspective
• RandomRotation

汎用

• RandomApply
• RandomChoice
• RandomOrder

torch.Tensor のみに対応したクラス

線形変換

• LinearTransformation

正規化

• Normalize

オーグメント

• RandomErasing (https://arxiv.org/pdf/1708.04896.pdf)

その他

型変換

• ToPILImage(numpy.ndarray or torch.Tensor -> PIL)
• ToTensor (numpy.ndarray or PIL -> torch.Tensor)

汎用

• Lambda