Pytorch Transforms.Compose использует пару изображений в задачах сегментации. ⇐ Python

[Anonymous]

Я пытаюсь использовать Transforms.Compose() в своей задаче сегментации. Но я не уверен, как использовать одни и те же (почти) случайные преобразования как для изображения, так и для маски.
Итак, в моей задаче сегментации у меня есть необработанное изображение и соответствующая маска. , я хотел бы сгенерировать больше пар случайных преобразованных изображений для обучения популяризации. Это означает, что если я сделаю какое-то преобразование на своих необработанных изображениях, и это преобразование также должно произойти на моих изображениях-масках, то эта пара сможет войти в мой CNN. Мой трансформатор примерно такой:

Код: Выделить всё

train_transform = transforms.Compose([
transforms.Resize(512), # resize, the smaller edge will be matched.
transforms.RandomHorizontalFlip(p=0.5),
transforms.RandomVerticalFlip(p=0.5),
transforms.RandomRotation(90),
transforms.RandomResizedCrop(320,scale=(0.3, 1.0)),
AddGaussianNoise(0., 1.),
transforms.ToTensor(), # convert a PIL image or ndarray to tensor.
transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)) # normalize to Imagenet mean and std
])

mask_transform = transforms.Compose([
transforms.Resize(512), # resize, the smaller edge will be matched.
transforms.RandomHorizontalFlip(p=0.5),
transforms.RandomVerticalFlip(p=0.5),
transforms.RandomRotation(90),
transforms.RandomResizedCrop(320,scale=(0.3, 1.0)),
##---------------------!------------------
transforms.ToTensor(), # convert a PIL image or ndarray to tensor.
transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)) # normalize to Imagenet mean and std
])

Обратите внимание: в блоке кода я добавил класс, который может добавлять случайный шум к преобразованию необработанных изображений, которого нет в Mask_transformation, поэтому я хочу, чтобы мои изображения-маски следуйте преобразованию необработанного изображения, но игнорируйте случайный шум. Так как же эти два преобразования могут происходить парами (с одним и тем же случайным действием)?

Подробнее здесь: https://stackoverflow.com/questions/662 ... tion-tasks