问使用keras图像生成器平衡不平衡的数据集

EN

这不是处理不平衡数据的标准方法。我也不认为这是真正合理的-你会显着改变你的类的分布，其中较小的类现在的可变性要小得多。较大的类将具有丰富的变化，较小的将是许多具有小仿射变换的相似图像。他们将生活在图像空间中比大多数类别小得多的区域上。

更标准的方法是：

• model.fit中的class_weights参数，您可以使用该参数使模型从少数类中学习更多。在不平衡的情况下，
• 减少了大部分的大小。深度学习可以解决这个问题，它只是需要更多的数据(真的，这是解决所有问题的方法)。

前两种选择实际上是一种黑客行为，这可能会损害您处理现实世界(不平衡)数据的能力。两者都没有真正解决可变性低的问题，这是由于数据太少所固有的。如果在模型训练之后应用到真实世界的数据集不是问题，并且您只想在您拥有的数据上获得良好的结果，那么这些选项是可以接受的(并且比为单个类生成生成器要容易得多)。

如果你有足够的数据，第三种选择是正确的(例如，recent paper from Google about detecting diabetic retinopathy在阳性病例在10%到30%之间的数据集中达到了很高的准确率)。

如果你真的想为一个类在另一个类上生成各种增强的图像，那么在预处理中可能是最容易的。获取少数类的图像并生成一些增强版本，然后将其称为数据的一部分。就像我说的，这一切都很老套。

您可以使用此策略根据不平衡计算权重：

from sklearn.utils import class_weight 
import numpy as np

class_weights = class_weight.compute_class_weight(
           'balanced',
            np.unique(train_generator.classes), 
            train_generator.classes)

train_class_weights = dict(enumerate(class_weights))
model.fit_generator(..., class_weight=train_class_weights)

这个答案是由Is it possible to automatically infer the class_weight from flow_from_directory in Keras?启发的