داده‌افزایی: برش تصادفی و قرینه

رایج‌ترین داده‌افزایی برای تصویرهای کوچک (مثل CIFAR) این دو تبدیل است:

transforms.RandomCrop(32, padding=4)
transforms.RandomHorizontalFlip()

اولی دور تصویر padding پیکسل صفر می‌گذارد و بعد از جایی تصادفی برشی هم‌اندازه‌ی تصویر اصلی برمی‌دارد — یعنی تصویر چند پیکسل جابه‌جا می‌شود. دومی با احتمال یک‌دوم تصویر را چپ‌وراست قرینه می‌کند. این‌جا تصادف را کنار می‌گذاریم و جای برش و قرینه شدن داده می‌شود.

تابع augment(img, pad, top, left, flip):

1. img تصویری با شکل $H \times W \times C$ است (ارتفاع، عرض، کانال). دور دو محور مکانی آن pad صفر بگذارید (محور کانال دست نخورد).
2. از تصویر حاشیه‌دار، برش $H \times W$ را بردارید که گوشه‌ی بالا-چپش سطر top و ستون left است.
3. اگر flip برابر یک است، ترتیب ستون‌ها را برعکس کنید.

خروجی: تصویر $H \times W \times C$.