用于图像增强的快速批处理透视变换

Question

我需要为神经网络的训练图像做一些增强。

问题是，即使并行加载批处理，增强也要比网络培训花费更长的时间。

问题在于我正在应用的透视转换。

cv2.warpPerspective和torchvision.transforms.functional.perspective (使用PIL图像)的拍摄时间大致相同。

但他们都是通过图像来实现的(在我看来，这是非常低效的)。

那么，执行透视图转换的最佳(最快和批处理)方法是什么？

• 我想直接用PyTorch函数来完成它，但我不知道算法。(接受一个好的算法作为答案)
• 还有其他能更快完成任务的包吗？

Answer 1

图像增强在很大程度上依赖于您的DataGenerator和DataLoader设计，主要是您正在使用的硬件资源。除此之外，这里还有一个快速的比较图表，可以帮助您完成转换以及库链接。

数字表示它每秒处理的图像数。

以下是指向所有所需库的链接：

1. 颠簸
2. 印高格
3. 加恩特
4. 索尔特

参考文献：基准结果