增加了数据增强离线的程序（可扩充数据集），将图片压缩从32*32，调整为224*224.

data_expansion/data_expansion.py

@@ -0,0 +1,50 @@
+import os
+import random
+from PIL import Image
+from torchvision import transforms
+
+# 原始数据目录
+input_root = "../dataset/train"
+
+# 增强后保存目录
+output_root = "../dataset/train_aug"
+
+# 每类目标张数
+target_num = 500
+
+# 定义数据增强
+transform = transforms.Compose([
+    transforms.RandomHorizontalFlip(p=0.5),
+    transforms.RandomRotation(15),
+    transforms.ColorJitter(brightness=0.1, contrast=0.1, saturation=0.1, hue=0.02),
+    transforms.RandomResizedCrop(size=(224, 224), scale=(0.8, 1.0)),
+])
+
+os.makedirs(output_root, exist_ok=True)
+
+# 遍历每个类别文件夹
+for class_name in os.listdir(input_root):
+    input_dir = os.path.join(input_root, class_name)
+    output_dir = os.path.join(output_root, class_name)
+    os.makedirs(output_dir, exist_ok=True)
+
+    # 读取类别下所有图片路径
+    img_files = [f for f in os.listdir(input_dir) if f.lower().endswith(('.jpg', '.png', '.jpeg'))]
+    img_paths = [os.path.join(input_dir, f) for f in img_files]
+
+    print(f"类别 {class_name} 原始图片数: {len(img_paths)}")
+
+    count = 0
+    while count < target_num:
+        img_path = random.choice(img_paths)
+        img = Image.open(img_path).convert("RGB")
+        # 生成增强图
+        aug_img = transform(img)
+        # 保存
+        save_path = os.path.join(output_dir, f"aug_{count:03d}.jpg")
+        aug_img.save(save_path)
+        count += 1
+
+    print(f"类别 {class_name} 已扩充到 {target_num} 张，保存于 {output_dir}")
+
+print("✅ 数据增强完成！")