PyTorch로 이미지 다루기

PyTorch로 배우는 Intermediate Deep Learning

Michal Oleszak

Machine Learning Engineer

구름 데이터셋

구름 데이터셋 샘플: 다양한 구름 유형을 보여주는 다섯 이미지.

¹ https://www.kaggle.com/competitions/cloud-type-classification2/data

이미지란?

확대해 픽셀이 보이도록 일부를 확대한 구름 이미지.

이미지는 픽셀(화소)로 구성됩니다
각 픽셀에는 색상 정보가 있습니다
그레이스케일: 0~255 정수
- 30:

회색 상자

컬러 이미지: 각 채널(빨강, 초록, 파랑)별 정수 3개
- RGB = (52, 171, 235):

파란색 상자

PyTorch로 이미지 로드하기

원하는 디렉터리 구조:

clouds_train

  - cumulus

    - 75cbf18.jpg
    - ...

  - cumulonimbus
  - ...

clouds_test

  - cumulus
  - cumulonimbus
  - ...

최상위 폴더: clouds_train, clouds_test
각 최상위 폴더 내부: 범주별 하위 폴더 1개씩
각 클래스 폴더 내부: 이미지 파일

PyTorch로 이미지 로드하기

from torchvision.datasets import ImageFolder
from torchvision import transforms


train_transforms = transforms.Compose([
    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])


dataset_train = ImageFolder(
    "data/clouds_train",
    transform=train_transforms,
)

변환 정의:
- 텐서로 변환
- 128x128로 리사이즈
데이터셋 생성 시 전달:
- 데이터 경로
- 사전 정의한 변환

이미지 표시

dataloader_train = DataLoader(
    dataset_train, 
    shuffle=True, 
    batch_size=1,
)

image, label = next(iter(dataloader_train))
print(image.shape)

torch.Size([1, 3, 128, 128])

image = image.squeeze().permute(1, 2, 0)
print(image.shape)

torch.Size([128, 128, 3])

import matplotlib.pyplot as plt
plt.imshow(image)
plt.show()

plt.show 출력의 구름 이미지

데이터 증강

train_transforms = transforms.Compose([

    transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(45),

    transforms.ToTensor(),
    transforms.Resize((128, 128)),
])


dataset_train = ImageFolder(
    "data/clouds/train",
    transform=train_transforms,
)

데이터 증강: 원본 이미지에 무작위 변환을 적용해 데이터를 늘립니다

학습 세트의 크기와 다양성 확대
모델 견고성 향상
과적합 감소

회전 변환을 보여 주는 세 장의 구름 이미지

연습해 봅시다!

PyTorch로 배우는 Intermediate Deep Learning