吴恩达团队 Tensorflow课程学习笔记 2-----图像增强

图像增强简介

train_datagen = ImageDataGenerator(rescale=1./255)

之前学的图像生成器就有图像增强的功能，上面代码中已经完成了一点图像增强的功能----图像加载的时候就可以完成重新缩放

train_datagen = 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')

上面提供了一些图像增强的选项:

1. 重新缩放；
2. 旋转范围是从0-180，用于随机旋转图像，上述代码中图像将旋转介于0-40度之间的随机数；
3. 移位: 将图像在其框架内移动，参数指定为图像尺寸的一部分，随机移动物体多少(水平和垂直方向)；
4. 剪切；
5. 缩放(Zoom)；
6. 水平翻转；
7. 填充.

更多内容参考链接

猫狗识别案例

①更长的周期使用较小的数据集

epochs=100；不采用图像增强


存在过拟合现象: 训练集的精度达到了100%，而验证集的才70%~80%.

②训练中添加图像增强

train_datagen = 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')

训练初期的精度不如非增强版的原因: 代码正在执行图像增强.


解决了过拟合问题.

人-马分类案例

引入图像增强

train_datagen = 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')

validation_datagen = ImageDataGenerator(rescale=1./255)

图像增强并不能解决所有的过拟合问题.

分析:
①训练集上的精度在稳定地上升，而验证集上的在不断地波动；
②图像增强给训练图像引入了随机元素，但是如果验证集没有相同的随机性，就会出现上图中这样的波动；
③不仅需要大量的图像进行培训，同时也需要它们进行测试，否则图像增强没有太大的帮助.

然后又试了下在验证集上运用图像增强(不知道有没有这种操作)

train_datagen = 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')

validation_datagen = 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')

得到的结果图如下:
好像也没有什么用??