使用Keras的ImageDataGenerator类实现批量数据增强_ImageDataGenerator

197 浏览量更新于2023-03-03 评论 1 收藏 317KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

使用使用Keras 的的ImageDataGenerator类实现批量数据增强类实现批量数据增强

今天使用了Keras 的ImageDataGenerator类，发现真是小白的神器。我们在进行机器学习的时候，常常为自己找不到相关的数据集而自己搭建一个数据集。那么，相关的问题就

是数据样本不够大，之后的机器学习就很有能造成过拟合问题，神经网络找不到抽象的特征等。究根结底还是样本数量不够。那我又不可能拿着相机一个一个去拍啊…….

总之就想要更多的数据集呗。

有关于ImageDataGenerator的相关信息，这篇博客已经写得非常好了–>keras的图像预处理全攻略（二）—— ImageDataGenerator 类, 有关于ImageDataGenerator类的用法什

么的可以查它

下面是全部代码(Win10 python3.6.1 pycharm)

import os

import shutil

from keras.preprocessing.image import ImageDataGenerator, load_img, img_to_array, array_to_img

class Augmentation(object):

def __init__(self,img_type="png"):

self.datagen=ImageDataGenerator(

rotation_range=10,

width_shift_range=0.05,

height_shift_range=0.05,

shear_range=0.05,

zoom_range=0.1,

horizontal_flip=True,

fill_mode='nearest')

def augmentation(self, picname, savedir, pre, img_num):

print("运行 Augmentation")

# Start augmentation.....

img_t = load_img(picname) # 读入train

x_t = img_to_array(img_t) # 转换成矩阵

img = x_t

img = img.reshape((1,) + img.shape)

print(img.shape)

if not os.path.lexists(savedir):

os.mkdir(savedir)

print("running %d doAugmenttaion" % 0)

self.do_augmentate(img, savedir, pre, imgnum=img_num) # 数据增强

def do_augmentate(self, img, save_to_dir, save_prefix, batch_size=1, save_format='jpg', imgnum=10):

# augmentate one image

datagen = self.datagen

i = 0

for _ in datagen.flow(

img,

batch_size=batch_size,

save_to_dir=save_to_dir,

save_prefix=save_prefix,

save_format=save_format):

i += 1

if i >= imgnum:

break

def batchgenerate(self, picsrc, savedir, imgnum):

picList = os.listdir(picsrc)

len1 = len(picList)

subfile = "SUB"

if not os.path.lexists("SUB"):

os.mkdir("SUB")

for picname in picList:

file_src = picsrc + '/' + picname

pre = picname.split('.')[0] self.augmentation(file_src, "SUB", pre, imgnum)

picListsub = os.listdir("SUB")

num = [] for i in range(len1):

num.append(0)

print("图片个数", len(num))

loc = 0

print("转换图片列表",picList)

for picname in picListsub:

file_src = "SUB" + '/' + picname

pre = picname.split('_')[0] + '_' + picname.split('_')[1]+'.jpg'

location = picList.index(pre)

all = picname.split('_')[0] + '_' + picname.split('_')[1]+"_"+str(num[location])+'.jpg'

num[location] = num[location]+1

file_dst = savedir + '/' + all

shutil.copyfile(file_src, file_dst)

os.remove(file_src)

if __name__=="__main__":

picsrc = "C:/Users/ddd/Desktop/project/dataSets/counterpart/aeroplane_0"

savedir = "imageExpand"

aug=Augmentation()

aug.batchgenerate(picsrc, savedir, 5)

第一段：

def __init__(self,img_type="png"):

self.datagen=ImageDataGenerator(

rotation_range=10, # 图片可能在（-10,10）度内旋转

width_shift_range=0.05, # 图片可能在左右比例（-0.05,0.05）（百分比）内水平移动

height_shift_range=0.05, # 图片可能在上下比例（-0.05,0.05）（百分比）内水平移动

shear_range=0.05, # 图片可能以比例（-0.05,0.05）内错切变换

zoom_range=0.1, # 图片可能以比例（-0.1,0.1）内缩放

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

weixin_38507208

粉丝: 5
资源: 893

会员权益专享

使用Keras 的ImageDataGenerator类实现批量数据增强

评论0

会员权益专享

最新资源

使用Keras 的ImageDataGenerator类实现批量数据增强

评论0

Keras 数据增强ImageDataGenerator多输入多输出实例

Keras上用ACGAN实现自己数据的数据扩增（可直接运行）

使用Keras中的ImageDataGenerator进行批次读图方式

使用Keras进行图像分类任务

使用TensorFlow Keras进行图像分类入门指南

深度学习中的图像处理任务：使用Keras进行图像分类

使用Keras进行迁移学习

使用TensorFlow Keras构建简单的图像分类模型

keras实现图像识别

python把图像批量数据增强的代码

如何使用brightness_range和channel_shift_range参数添加噪声来对批量图片进行数据增强，请举例

keras实现resnet对fashion-mnist数据集分类，并绘制图像

批量数据增强python代码

tf.keras.preprocessing.image.imagedatagenerator

keras实现Alexnet

imagedatagenerator如何使用

keras实现resnet对四种天气分类，并绘制图像

keras实现resnet18对四种天气分类，并绘制图像

keras如何在验证集加噪声,Keras中用于验证集的不同损失函数

基于 Tensorflow 2.x 食物图像识别模型

会员权益专享

最新资源