用于数据增强的Keras最佳图像数据生成器参数
Keras是一个开源的深度学习框架，用于构建和训练神经网络模型。在Keras中，图像数据生成器是一个用于数据增强的重要工具，它可以通过对原始图像进行随机变换和扩充来生成更多的训练样本，从而提高模型的泛化能力和鲁棒性。
Keras提供了丰富的图像数据生成器参数，用于控制数据增强的方式和程度。以下是一些常用的最佳图像数据生成器参数：
- rotation_range（旋转角度范围）：通过随机旋转图像来增加样本的多样性。可以设置一个角度范围，让图像在该范围内进行随机旋转。
- width_shift_range和height_shift_range（宽度和高度偏移范围）：通过随机平移图像来增加样本的多样性。可以设置一个偏移范围，让图像在该范围内进行随机平移。
- shear_range（剪切强度）：通过随机剪切图像来增加样本的多样性。可以设置一个剪切强度，让图像在该强度内进行随机剪切。
- zoom_range（缩放范围）：通过随机缩放图像来增加样本的多样性。可以设置一个缩放范围，让图像在该范围内进行随机缩放。
- horizontal_flip（水平翻转）：通过随机水平翻转图像来增加样本的多样性。
- vertical_flip（垂直翻转）：通过随机垂直翻转图像来增加样本的多样性。
- fill_mode（填充模式）：当进行图像变换时，可能会出现一些空白区域。填充模式可以指定如何填充这些空白区域，常见的填充模式有"constant"（常数填充）、"nearest"（最近邻填充）、"reflect"（反射填充）和"wrap"（环绕填充）等。
这些参数可以根据具体的应用场景和需求进行调整，以获得最佳的数据增强效果。在腾讯云的产品中，推荐使用腾讯云AI智能图像处理服务，该服务提供了丰富的图像处理功能，可以满足各种图像数据增强的需求。具体产品介绍和使用方法可以参考腾讯云AI智能图像处理服务的官方文档：腾讯云AI智能图像处理服务。
相关·内容
我正在尝试使用Inception V3模型进行图像分类。Keras的ImageDataGenerator是否会创建添加到我的数据集中的新图像？如果我有1000张图片，使用这个函数会不会是用于训练的2000张图片的两倍？有没有办法知道创建了多少图像并将其输入到模型中？
浏览 2提问于2018-08-08得票数 38
我正在使用Keras flow_from_directory来执行数据增强：
from keras.applications.inception_v3 import preprocess_input
from keras.preprocessing.image import ImageDataGenerator
batch_size = 32
# Create train generator
train_datagen = ImageDataGenerator(preprocessing_function=preprocess_input,
浏览 0提问于2020-06-10得票数 0
1回答
如何从磁盘批量训练数据？
、、、
我正在研究一个用于图像分类的卷积神经网络。训练数据集太大，无法加载到我的计算机内存(4gb)，在此基础上，我还需要尝试一些增强，以平衡类。
我正在使用keras。我研究了很多例子，但没有找到解决问题的办法。我正在考虑通过传递函数或生成器执行“批处理”来替换model.fit调用的参数。这个函数，我将设计从磁盘导入和应用增强。
我不知道如何实现这一点。有什么建议吗？
浏览 0提问于2018-02-01得票数 9
回答已采纳
我试图看到使用ImageDataGenerator进行数据增强的结果。Keras读取数据，但它似乎不对数据执行任何生成。我得到输出：
发现32幅图像，分属于1类。
但是在我在save_to_dir参数flow_from_directory方法中提到的目录中没有保存生成的图像。
这里我的代码：
from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
from keras import backend as K
K.set_image_dim_orderi
浏览 14提问于2017-09-24得票数 1
我使用以下代码调整存储在文件夹(两个类)中的RGB图像的大小：
from keras.preprocessing.image import ImageDataGenerator
dataset=ImageDataGenerator()
dataset.flow_from_directory('/home/1',target_size=(50,50),save_to_dir='/home/resized',class_mode='binary',save_prefix='N',save_format='jpeg',b
浏览 7提问于2017-12-15得票数 12
回答已采纳
我正在建立一个增强的数据库来改善我的CNN。该计划是：
我发送一张图像，每次一张，再生成40张图片。
引用的方法将增强后的图像保存在目录中，但我希望将它们保存在变量中，而不首先将它们保存在我的计算机中。也就是说，我想直接保存在一个变量中。
上面的代码显示了我在说什么。看看参数"save_to_dir"..。如果我忽略了它，就会进行处理，但是数据不会被保存到任何地方。有谁可以帮我？
import numpy as np
from keras.preprocessing.image import load_img
from keras.preprocessing.i
浏览 0提问于2019-07-09得票数 1
回答已采纳
1回答
如何使用角流法？
、、、
我正在用Keras建立一个卷积神经网络。我想使用我自己的数据集。该数据集由指定大小的矩阵组成，由0's填充，0‘S包含指定大小的子矩阵，填充1's，子矩阵是可选的，其目的是训练神经网络来预测矩阵是否包含子矩阵。为了使检测更加困难，我在矩阵中添加了各种类型的噪声。
这是矩阵形状的图片，黑色部分是0's，白色部分是1's，图像的像素和矩阵中的条目之间是1:1的对应。
📷
现在我想创建一个CNN，它可以对这些图像进行分类。到目前为止最简单的方法是使用
test_set = test_datagen.flow_from_directory('dataset/tr
浏览 0提问于2018-04-09得票数 1
回答已采纳
我正在训练一个神经网络来预测老鼠大脑图像上的二值掩膜。为此，我使用来自keras的ImageDataGenerator来增强我的数据。
但是我已经意识到数据生成器在应用空间变换时是在插值数据。
这对于图像来说很好，但是我当然不希望我的掩码包含非二进制值。
在应用这些转换时，有没有办法选择最近邻插值之类的东西？我在keras文件中没有找到这样的选择。
(左边是原始的二进制掩码，右边是增广的内插掩码)
图像代码：
data_gen_args = dict(rotation_range=90,
width_shift_range=30,
浏览 2提问于2020-03-04得票数 4
1回答
我想使用keras ImageDataGenerator提供的图像增强操作将图像加载到内存中。因此，我创建的生成器如下：
testgen = ImageDataGenerator(preprocessing_function=keras.applications.mobilenet.preprocess_input)
test_generator = testgen.flow_from_dataframe(dataframe=df_test,
classes=class_labels,
浏览 0提问于2018-12-12得票数 0
回答已采纳
我正在使用Keras训练一个图像分类CNN。利用ImageDataGenerator函数，对训练图像(如旋转、剪切、缩放)进行了随机变换。我的理解是，在传递到模型之前，这些转换被随机地应用于每个图像。
但有些事情我不清楚：
( 1)如何确保在训练时包括图像的特定旋转(例如90°、180°、270°)。
2)将steps_per_epoch参数设置为数据集的唯一样本数，除以flow_from_directory方法中定义的批处理大小。这是否仍然适用于使用上述的图像增强方法，因为它们增加了培训图像的数量？
谢谢，马里奥
浏览 2提问于2017-08-31得票数 7
因此，我正在构建一个图像分类器，并使用具有以下参数的Keras‘ImageDataGenerator类：
ImageDataGenerator(
rescale=1./255, rotation_range=40, width_shift_range=0.2,
height_shift_range=0.2, shear_range=0.2, zoom_range=0.2,
horizontal_flip=True, fill_mode='nearest'
)
然后，我用下面的代码使用生成器的这个实例来处理我的培训数据：
train_datagen.flow_from_data
浏览 0提问于2019-01-10得票数 0
回答已采纳
1回答
我想微调盗梦空间的V3来识别使用数据集.它包含21个类，每个类有100个图像。手动我已经将数据集分割成5倍，对于每一层，我有60张图像，用于训练20张用于验证，20张用于测试。示例:在每个类的第一个折叠中，0到59之间的图像用于训练，60到79之间的图像用于验证ecc.在第二次折叠之间，0到19之间的图像用于测试，图像在80到99之间用于验证ecc.我应用了交叉验证，所以最后我将测试数据集中的所有图像的网络。
通过这个微调，我达到了93%，97%是目标.
# import
from keras.preprocessing import image
import os
from matplotl
浏览 1提问于2020-06-05得票数 0
回答已采纳
1回答
当我试图训练模型时，我一直得到以下代码的错误：TypeError: fit_generator() missing 1 required positional argument: 'generator'。为了我的生命，我不知道是什么导致了这个错误。x_train是形状的rgb图像(400、256、256、3)，对于y_train，我有10个输出类使它成为形状(400、256、256、10)。这里出什么问题了？
如有必要，可以通过以下链接下载数据：
import skimage
from skimage.io import imread, imshow, imread_colle
浏览 0提问于2018-11-21得票数 2
回答已采纳
1回答
我把我的角膜模型拟合在一个图像样本上，以及它们相应的二进制掩码，以便进行目标检测。基本上，我遵循末尾的示例：
from keras.preprocessing.image import ImageDataGenerator
# we create two instances with the same arguments
data_gen_args = dict(
rotation_range=4.,
width_shift_range=0.05,
height_sh
浏览 2提问于2017-04-01得票数 1
回答已采纳
1回答
我试图从jpeg文件中加载数据来训练卷积网络。图像很大，有2400万像素，所以加载和使用全分辨率是不实际的。
为了将图像转换成更有用的格式，我尝试加载每个图像，重新排列图像，然后将其附加到列表中。一旦完成，我就可以将列表转换为numpy数组，并像往常一样输入到网络中进行培训。
我的问题是，我的数据集非常大，需要大约1秒钟才能恢复每一幅图像，这意味着不可能像我目前实现的那样调整每幅图像的大小：
length_training_DF = 30000
for i in range(length_training_DF):
im = plt.imread(TRAIN_IM_DIR + trai
浏览 2提问于2020-06-14得票数 1
回答已采纳
我在keras中使用resnet做超级解析，我已经将我的数据分成训练和测试(70-30)，从测试数据中提取20%用于验证，.i试图用datagen.flow_from_directory读取数据，但是它显示0类的0图像 .The的主要问题是我没有类。我只有高分辨率和低分辨率的图像。高分辨率图像输出，低分辨率图像输入。如何在不将数据在类中分离的情况下加载数据？
from keras.preprocessing.image import ImageDataGenerator
import os
train_dir = r'G:\\images\\train'
train_da
浏览 2提问于2021-06-07得票数 0
回答已采纳
3回答
我想创建一个CNN模型，我正在使用数据增强。我想知道Keras中增强图像的数量。
如何确定数据增强后Keras中的训练图像数量？
例如，如果我有2000张用于培训的图像，并且正在应用数据增强，那么增强后的图像数量是多少？
浏览 0提问于2018-09-12得票数 4
特征中心意味着我们必须从图像中减去数据集的平均值。所以在ImageDataGenrator中，如果我设置featurewise_center=True，它也会这样做。我有两个问题。
这意味着通过扩展数据或存储在列车目录中的数据计算值？
在测试时，我希望从测试图像中减去相同的均值值。怎么弄到那个？
浏览 1提问于2020-07-17得票数 0
回答已采纳
我对CNN非常陌生，我有一个二进制分类问题，产生了50%的验证精度。
为了记录在案，我试图对阿尔茨海默病和健康对照进行脑部扫描的磁共振成像。
默认情况下，这些图像是250×250 by的黑色.png格式，我有大约1,000张图片总数。
我尝试过创建自己的模型，并实现了VGG16，所有这些都使验证的准确率达到了50%左右。
我开始认为这可能是数据处理不正确的问题，但是由于我是新手，所以我不确定。也许是因为当图像是黑白的时候被解释为RGB？但我真的不确定。
感谢任何人来看一看，谢谢！
import tensorflow as tf
from keras.layers.convolutional i
浏览 5提问于2020-08-12得票数 0
我正在研究python中的神经网络和图像识别，并遵循。他们使用：from keras.datasets import cifar10来获取用于测试的图像。所以我的问题是：
如何使用自己的本地映像导入自定义数据集？
如何构造文件以使其正确加载？
提前感谢！
浏览 5提问于2020-08-09得票数 1
有人能帮我解决这个错误吗？代码在for循环之前运行良好。在for循环之前，将打印图像的数组。for循环有什么问题吗？输出应该是存储有输入图像的增强图像的文件。输入图像是一个jpg图像。
我编写的代码：
import keras
import tensorflow as tf
from keras.preprocessing.image import ImageDataGenerator
data_gen = tf.keras.preprocessing.image.ImageDataGenerator(
rotation_range=45,
width_shift_rang
浏览 14提问于2022-11-10得票数 0
2回答
Keras数据增强参数
、、、
我在Keras中读到了一些关于数据增强的材料，但对我来说还是有点模糊。在数据增强步骤中，是否有任何参数来控制从每个输入图像中创建的图像的数量？在中，我看不到控制从每个图像创建的图像数量的任何参数。
例如，在下面的代码中，我可以有一个参数(num_imgs)，用于控制从每个输入图像创建并存储在一个名为预览的文件夹中的图像数量；但是在实时数据增强中，没有用于此目的的任何参数。
from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img
num_imgs = 20
dat
浏览 3提问于2016-12-15得票数 5
回答已采纳
增强定义是通过使用旋转、裁剪和翻转来增加图像的数量，以避免过度拟合。keras应用于增强，但不增加图像的数量。在图像中做什么角膜增强？API是否增强，如图像的预处理？增强是用新的增强图像代替原始图像吗？
浏览 0提问于2020-06-21得票数 0
1回答
角点图像预处理不平衡数据
、、、
全,
我试图使用Keras对两个类进行图像分类。对于一个类别，我的图像数量非常有限，比如说500张。至于另一个类，我有几乎无限多的图像。因此，如果我想使用角角图像预处理，如何做到这一点？理想情况下，我需要这样的东西。对于第一类，我提供500个图像，并使用ImageDataGenerator获取更多的图像。对于第二类，每次我从1000000图像数据集中按顺序提取500个图像，可能不需要数据增强。在查看和时，我发现默认情况下，培训文件夹包含每个类的相同数量的图像。因此，我的问题是，是否有现有的API来执行此操作？如果是的话，请把它指给我看。如果没有，这一需求有什么解决办法吗？
浏览 2提问于2017-06-21得票数 10
有没有办法将Keras的图像预处理功能与Tensorflow的数据集一起使用？ 下面是我得到的代码： import tensorflow as tf
def load_image(file_path):
image = tf.keras.preprocessing.image.load_img(file_path)
return tf.keras.preprocessing.image.img_to_array(image)
def augment(img):
return tf.keras.preprocessing.image.random_rotation(
浏览 16提问于2020-11-23得票数 0
回答已采纳
1回答
假设您有一个数据集，其中包含每个图像的图像和.csv中的一些数据。您的目标是创建一个具有卷积分支和另一个(在我的例子中是MLP)的NN。
现在，有很多关于如何创建网络的指南(，)，这不是问题所在。
这里的问题是，当[[convolution_input, other_features], target]来自一个添加增强图像的Keras 时，如何创建一个convolution_input形式的迭代器。
更具体地说，当nth图像(可能是增广的，也可能不是)被输入到NN时，我希望它的原始特性在other_features中。
我发现了几次尝试(和，第二次看起来很有希望，但我无法弄清楚如何处理增强图
浏览 1提问于2020-03-03得票数 10
回答已采纳
我使用Keras功能ImageDataGenerator()生成培训和验证数据集。我试图了解这个函数在内部做什么.这个函数执行的预处理步骤是什么？在哪里可以找到这个函数的源代码？
浏览 2提问于2017-12-13得票数 0
回答已采纳
当在线查看要在keras.fit_generator中使用的生成器代码示例时，有些通过从目录中逐步加载数据来构造生成器，而另一些则将已经加载到内存中的输入数据作为输入数据(下面的伪代码)。在这种情况下，发电机有什么帮助呢？
-> fit_generator ->生成器提到“在使用多处理时避免重复数据”，这可能与答案有关。如果是这样的话，更详细的解释是什么？
def generator(data, ...):
...
yield ...
input_data = ...
train_gen = generator(input_data, ...)
val_g
浏览 2提问于2020-01-03得票数 0
回答已采纳
下面是我正在尝试使用的示例代码。我想知道是否有任何方法可以在应用imagedatagenerator()之后和执行训练(即.fit_generator)之前立即获得图像的数量。原因是，我想在以后使用这些图像进行训练，而不是使用原始数据集。 train_datagen=ImageDataGenerator(rescale=1./255,
#featurewise_center=True,
samplewise_center=True,
浏览 79提问于2020-06-16得票数 0
我对sample_weight参数在Keras中的ImageDataGenerator数据增强上下文中的使用有疑问。假设我有一系列简单的图像，只有一类对象。因此，对于每个图像，我将有一个对应的掩码，像素=0表示背景，1表示对象被标记的位置。
但是，这个数据集是不平衡的，因为大量的这些图像是空的，这意味着掩码仅包含0。如果我理解得很好，ImageDataGenerator的flow方法的“ImageDataGenerator”参数就是将焦点放在我发现更有趣的数据集的样本上，即我的对象在哪里。
我的问题是:这个sample_weight参数对我的模型训练有什么具体的影响。它会影响数据的增强吗？如果
浏览 0提问于2019-03-08得票数 4
我想安装一个连体CNN，有多个输入，存储在我的内存中，没有标签(只是一个任意的虚拟标签)。因此，我不得不在Keras中编写自己的data_generator函数来使用CNN模型。
我的数据生成器的形式如下
class DataGenerator(keras.utils.Sequence):
def __init__(self, train_data, train_triplets, batch_size=32, dim=(128,128), n_channels=3, shuffle=True):
self.dim = dim
self.batch_size = batch_
浏览 0提问于2020-05-14得票数 0
1回答
用于图像增强的自动编码器设计
、、、、
我正在尝试训练一个简单的自动编码器来执行图像增强任务。我有一个由正常图像和增强图像组成的数据集(地面实况)。我使用Keras文档来构建这样的模型，但是我得到了内存错误(无法分配768。运行代码后，形状为(1,256,256，3)且数据类型为float32的数组的KiB。有没有人能帮我调整一下代码来解决这个问题？
from keras.models import Model
from keras.layers import Conv2D, concatenate, Input, Add, MaxPooling2D, UpSampling2D
from keras.preprocessing.im
浏览 1提问于2020-05-16得票数 1
在训练模型时，我在应用数据增强方面遇到了困难。特别是关于fit_generator()方法的使用。
我最初成功地运行了我的模型，没有使用fit()方法进行增强，但是根据，建议使用对于图像和标签，这两种方法似乎都需要相同的输入，但在运行下面的代码时，我得到了以下错误：
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
/tmp/ipykernel
浏览 2提问于2021-11-19得票数 2
回答已采纳
我的问题与这个有关，我也尝试实现来自和的解决方案。下面，我还尝试根据这些解决方案实现代码(我的实现/输出不正确)。我的代码如下，使用纸张、岩石、剪刀数据：
!wget --no-check-certificate \
https://storage.googleapis.com/laurencemoroney-blog.appspot.com/rps.zip \
-O /tmp/rps.zip
!wget --no-check-certificate \
https://storage.googleapis.com/laurencemoroney-blog.app
浏览 1提问于2020-06-30得票数 0
回答已采纳
我正在使用ImageDataGenerator和flow_from_directory在Keras中训练一个深度神经网络。数据位于一个文件夹中。因此，在使用ImageDataGenerator创建生成器时，我使用了validation_split=0.x。然后，我创建了两个流，一个用于训练，另一个用于验证，分别使用带有subset="training"和subset="validation"的flow_from_directory。
我想知道在创建ImageDataGenerator时，是否将任何指定的图像增强(变换)应用于训练和验证子集，还是仅应用于训练子集。
浏览 0提问于2018-06-07得票数 12
介绍和设置
因此，我已经尝试了一段时间，试图建立一个简单的卷积神经网络。我遵循了一个简单的教程，可以在这里找到！
这是一个简单的猫对狗测试(2类)
我在C:\Users\labadmin中设置了jupyter/tensorflow/keras
我所理解的是，为了实现用于测试和培训的数据，我只需要从labadmin中找到路径。
由于我不知道是什么导致了错误，我已经粘贴了整个代码和错误，我认为这是因为系统没有得到数据。
具有数据设置的文件夹如下：
labadmin有一个名为data的文件夹，其中有两个文件夹。
培训
测试
猫图像和狗图像都在两个文件夹中被洗牌。每个文件夹中都有100
浏览 0提问于2019-04-10得票数 0
1回答
我想使用vgg16来训练包含图像的数据集。
在Keras中，我可以使用fit()函数而不是fit_generator()吗？多么?
浏览 0提问于2018-08-17得票数 3
1回答
为什么CNN-脚本没有正确预测？
、、、、
我对Python和机器学习都很陌生，我正在从事我的第一个真正的图像识别项目。它基于，它只有两种分类(猫或狗)，并且有更多的数据。尽管如此，我并没有让我的多类脚本能够正确地预测它，但主要是如何排除脚本的故障。这个剧本在正确预测方面还差得远。
下面是剧本。数据/图像由7个文件夹组成，每个文件夹大约有10-15幅图像。这些图片是100×100 to的不同多米诺骨牌和一个文件夹只是婴儿照片(主要作为一个控制组，因为他们是非常不同的多米诺照片)：
from keras.models import Sequential
from keras.layers import Conv2D
from k
浏览 2提问于2018-05-03得票数 0
回答已采纳
首先我将描述我的应用程序背景
在我的磁盘中，大约有500,000个视频被保存为avi文件，我将使用它们作为培训样本。为了使用它们，我们可以同时将它们加载到内存中，然后将每一批输入到模型中，这是最简单的方法。然而，我的内存是，不足以容纳整个加载的。因此，我需要批量加载视频数据。但是你知道，解码一批视频(在这里取64 )可能会花费很多时间，如果你按顺序进行，我们将在数据加载部分浪费大量时间，而不是计算。因此，我希望批量地并行加载数据，实际上，就像keras中的API fit_generator一样。我想知道在TensorFlow中是否存在这样的方法。
(谢谢你的建议：)
PS:我用theading
浏览 0提问于2018-07-16得票数 2
回答已采纳
我有汽车图像，我的目标是扩展我的训练数据集，我想把新生成的图像和原始图像结合起来，训练一个基于它们的深层神经网络来执行分类任务。
来自本博客文章：
“Keras ImageDataGenerator类不是”加性“操作，它不接受原始数据，随机转换它，然后返回原始数据和转换后的数据。”。
您建议扩展数据集的方法是什么？
浏览 3提问于2020-05-19得票数 3
回答已采纳
我正在努力找出我需要在我的机器上训练神经网络的最小空间。通常情况下(图像)数据集的原始形式相对较小，但是当我们转换它们(在keras w/ flow_from_dir中)时，我们会增加图像，并将数据集的大小乘以我们的愿望。
我的问题是: flow_from_directory是如何存储增强图像的？如果我没有指定图像需要存储(类的参数)，那么keras是否会增加图像、训练和丢弃图像，或者是否保存了一段时间，直到培训结束为止？
另外，这些图像是在持久内存还是内存中？提前谢谢你。
浏览 0提问于2018-06-26得票数 0
回答已采纳
我是使用Keras的ImageDataGenerator的初学者，我无意中使用了model.fit而不是model.fit_generator。
def gen_Image_data():
gen = ImageDataGenerator(
width_shift_range=0.1,
horizontal_flip=True)
return gen
train_gen = gen_Image_data()
test_gen = ImageDataGenerator()
train_samples = train_gen.flo
浏览 0提问于2020-03-13得票数 0
回答已采纳
我有点困惑。什么时候和为什么我应该使用下面的包？对于图像数据，只有Keras图像函数就足够了吗？ a. TensorFlow2.0数据集b. Python Pandas (或任何其他可用于图像和/或文本数据的库) c. Keras数据生成器，图像增强等。
浏览 16提问于2020-04-18得票数 1
我想使用CNN网络将2个对象(二进制："0:对象不存在，1:对象存在“)分割成形状，但我对数据有问题。列车数据为150张图像和"jpg“格式和地面真相(标签数据)也是150张图像的"png”光栅0和1(导致黑白图像)。
现在的问题是如何在Keras/Tensorflow中加载这个混合的列车图像和标签图像，如果有一个用Python实现的虚拟示例和/或演示，我将非常感激。
浏览 1提问于2018-09-20得票数 1
回答已采纳
1回答
主要任务是预测输入图像的掩码。因此，我有以下培训数据：
768x768幅原作的拍品如下：
和输出掩码图片(也是768x768)如下：
此外，我有验证的原始图片。
我准备了一种预测输出掩码的神经模型。我准备了一个应该具有如下拓扑的：
我为训练准备的代码就在那里。
import keras
epochs=100
image_datagen = keras.preprocessing.image.ImageDataGenerator()
mask_datagen = keras.preprocessing.image.ImageDataGene
浏览 0提问于2018-11-20得票数 1
2回答
我正在尝试建立一个图像分类器，以确定属性网站上的2种类型的图像。我已经将我的数据集分为两类:属性，房间。我希望能够区分图像是某处房产的外部还是房产内部的一个房间。
下面是我正在使用的图像类型的两个示例。我的数据集由每个类别的800张图像组成，然后是每个类别的另外160张图像的训练集(训练集中没有)。
我似乎总是在训练中得到合理的结果，但当我对一些真实样本进行测试时，它通常会将所有图像归入一个类别。
下面你可以看到我正在使用的模型：
train_datagen = ImageDataGenerator(
rescale=1./255,
width_shift_range=0.1,
浏览 21提问于2020-02-23得票数 0
回答已采纳
1回答
我正面临着从极少的图像创建数据集的问题。
输入(X_train)和输出(y_train)都包含(28x28)大小的图像，如MNIST。例如在我的代码中：
(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.reshape((X_train.shape[0], 28, 28, 1))
X_train = X_train.astype('float32')
y_train=X_train
datagen = ImageDataGenerator(zca_whitening=True)
浏览 0提问于2020-01-19得票数 0
2回答
卷积神经网络中的不平衡类
、、、、
我有一个分类问题，感兴趣的类仅占数据集的7%，而整个总体大约是1200次观测。
我理解来自Keras的ImageDataGenerator有助于在训练模型之前增强数据以增加观察的数量，但是是否可以只增加一个类，比如添加噪声、模糊或只对少数类执行转换？
浏览 2提问于2017-06-12得票数 1
回答已采纳
1回答
下面是我当前对Keras中的model.fit的调用
history_callback = model.fit(x_train/255.,
validation_train_data,
validation_split=validation_split,
batch_size=batch_size,
callbacks=callbacks)
在本例中，x_train
浏览 0提问于2018-12-07得票数 0
回答已采纳
我有一个关于图像数据集函数tf.keras.utils.image_dataset_from_directory和增强的问题:如果我们在这个数据集创建函数中设置一个种子--在模型中提供一些增强层(那些层也指定了一个种子)，那么在每个时代都会出现新的增强图像，还是总是在同一组增强图像上进行训练。
示例：
# model construction
model_input = tf.keras.Input(shape=(96, 96, 3))
add_layers=tf.keras.layers.RandomFlip(mode='horizontal',seed=75398)(mod
浏览 2提问于2022-10-27得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
