이미지 전처리

Import

이미지를 다루다보니 torchvision을 사용 (datasets, transforms)

Transforms

transforms.Compose

여러 전처리를 순차적으로 체이닝하는 컨테이너

transform.Compose([전처리1, 전처리2, 전처리3])
# 이미지 -> 전처리1 -> 전처리2 -> 전처리3 -> 최종결과 return

각 전처리 설명

• RandomResizedCrop
  • 기능: 랜덤 영역 크롭 후 리사이즈
  • 속성:
    • size: 최종 출력 크기 (224 -> 224 * 224)
    • scale: 원본 대비 크롭 면적 비율 (0.7 ~ 1.0 = 70% ~ 100%)
    • ratio: 가로세로 비율 범위 (기본값: 3:4 ~ 4:3)
  • 효과: 데이터 증강 + 크기 통일
• CenterCrop
  • 기능: 중앙에서 해당 사이즈로 크롭
  • 속성:
    • size: 최종 출력 크기 (224 -> 224 * 224)
  • 주로 사용: 테스트/검증 시 (학습엔 RandomCrop 선호)
• Resize
  • 단일 int: 짧은 쪽을 해당 크기로 (비율 유지)
    • 예: (500, 300) -> Resize(256) -> (427, 256)
  • 튜플 (H, W): 정확한 크기로 강제 리사이즈 (왜곡 가능)
    • 예: (500, 300) -> Resize((224, 224)) -> (224, 224)
• RandomHorizontalFlip
  • 기능: 좌우 반전
  • 속성:
    • p: 좌우 반전 확률, 기본 p=0.5 (50%)
  • 효과: 좌우 방향 무관한 특징 학습
  • 주의: 텍스트나 방향성 중요한 데이터엔 부적합
• ColorJitter
  • 기능: 색상 관련 '랜덤' 변화 (+ - 해당 범위)
  • 속성:
    • brightness: 밝기 랜덤 범위
    • contrast: 대비 랜덤 범위
    • saturation: 채도 랜덤 범위
    • hue: 색조 회전 랜덤 범위
  • 효과: 조명/색상 변화에 강건한 모델 학습
• RandomRotation
  • 기능: 랜덤 회전
  • 속성:
    • 단일 int: +-범위로 랜덤 회전
    • 튜플 (L, R): 지정 범위내 랜덤 회전
  • 효과: 회전 불변성 학습
• ToTensor⭐
  • 기능: PIL Image/numpy -> Pytorch Tensor 변환
  • 이유: PyTorch는 (C, H, W) 형식이 필요
  • 효과: 자동으로 [0, 255] 값을 [0.0, 1.0]으로 스케일링 정규화
• Normalize⭐⭐⭐
  • 수식:
    $output[channel] = \frac{input[channel]\,-\,mean[channel]}{std[channel]}$
  • 속성:
    • mean: 전체 데이터셋 RGB의 평균값 (중심 위치)
    • std: 전체 데이터셋 RGB의 표준편차 (퍼진 정도)
      $\sigma=\sqrt{\frac{1}{N}\displaystyle\sum_{i=1}^{N}(x_i-\mu)^2}$
  • 왜 필수인가?
    • Zero-centered
      • 원래: 범위
      • 정규화 후: 평균 0 근처에 분포
      • 효과: 그래디언트 소실/폭팔 방지, 학습 안정화
    • 사전 학습된 모델의 일관성
      • 사전학습 때와 같은 정규화로 동일한 결과값 산출
      • 처음부터 학습시 자신의 데이터셋 mean/std 계산 권장
  • mean/std 계산 코드

  for images, _ in some_loader:
    samples = images.size(0)
    images = images.view(samples, images.size(1), -1)
    mean += images.mean(2).sum(0)
    std += images.std(2).sum(0)
    total_images += samples
    
  mean /= total_images
  std /= total_images

주의 사항

해당 컨테이너는 전처리 "순서"를 다루므로 순서가 중요.

# ❌ 잘못된 순서
transforms.Compose([
  transforms.ToTensor(), # 먼저 텐서로
  transforms.RandomHorizontalFlip() # PIL 연산 불가 → 에러!
])

# ✅ 올바른 순서
transforms.Compose([
  transforms.RandomHorizontalFlip(), # PIL 연산
  transforms.ToTensor(), # 그 다음 텐서 변환
])