Pytorch中的Albumentations :多目标数据集的不一致增强

Question

我正在使用Pytorch，并希望使用Albumentations对我的图像进行数据增强。我的dataset对象有两个不同的目标：“模糊”和“锐化”。两个目标的每个实例都需要具有相同的更改。当我尝试使用Dataset对象执行数据扩充时，如下所示：

class ApplyTransform(Dataset):
def __init__(self, dataset, transformation):
    self.dataset = dataset
    self.aug = transformation
     
def __len__(self):
    return (len(self.dataset))

def __getitem__(self, idx):
    sample, target = self.dataset[idx]['blurry'], self.dataset[idx]['sharp']
    transformedImgs = self.aug(image=sample, target_image=target)
    sample_aug, target_aug = transformedImgs["image"], transformedImgs["target_image"]
    return {'blurry': sample_aug, 'sharp': target_aug}   

不幸的是，我收到了两张带有两种不同增强效果的图像：

​

​

当我在没有Dataset对象的情况下尝试相同的方法时，我收到了两个具有相同应用程序的图像。有人知道如何使用dataset对象吗？

这是我的增强管道：

augmentation_transform = A.Compose(
        [
        A.Resize(1024,1024, p=1),
        A.HorizontalFlip(p=0.25),
        A.Rotate(limit=(-45, 65)),
        A.VerticalFlip(p=0.24),
        A.RandomContrast(limit=0.3, p=0.15),
        A.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),
        A.pytorch.transforms.ToTensorV2(always_apply=True, p=1.0)
        ],
        additional_targets={"target_image": "image"}
        )

Answer 1

你可以堆叠你的模糊和锐利的图像，应用你的增强，然后拆分它们