keras中ImageDataGenerator用法

摘自:https://blog.csdn.net/u012969412/article/details/76796020
https://www.jianshu.com/p/d23b5994db64
keras函数官方解析连接:http://keras-cn.readthedocs.io/en/latest/preprocessing/image/

ImageDataGenerator()是keras.preprocessing.image模块中的图片生成器,用以生成一个batch的图像数据,支持实时数据提升。训练时该函数会无限生成数据,直到达到规定的epoch次数为止。同时也可以在batch中对数据进行增强,扩充数据集大小,增强模型的泛化能力。比如进行旋转,变形,归一化等等。

keras.preprocessing.image.ImageDataGenerator(
	featurewise_center=False,     #布尔值,使输入数据集去中心化(均值为0), 按feature执行。即对输入的图片每个通道减去每个通道对应均值。
    samplewise_center=False,     #布尔值,使输入数据的每个样本均值为0。即令每张图片减去样本均值。
    featurewise_std_normalization = False,   #布尔值,将输入除以数据集的标准差以完成标准化, 按feature执行。
    samplewise_std_normalization = False,   #布尔值,将输入的每个样本除以其自身的标准差。
    zca_whitening = False,       #布尔值,对输入数据施加ZCA白化。去除样本之间的相关性
    zca_epsilon(): Default 12-6
    rotation_range = 0.,            #整数,数据提升时图片随机转动的角度。随机选择图片的角度,是一个0~180的度数,取值为0~180。
    width_shift_range = 0.,       #浮点数,图片宽度的某个比例,数据提升时图片随机水平偏移的幅度。取值0~1。
    height_shift_range = 0.,      #浮点数,图片高度的某个比例,数据提升时图片随机竖直偏移的幅度。取值0~1。
    shear_range = 0.,                #浮点数,剪切强度(逆时针方向的剪切变换角度)。是用来进行剪切变换的程度。
    zoom_range = 0.,                #浮点数或形如[lower,upper]的列表,随机缩放的幅度。[lower,upper] = [1 - zoom_range, 1+zoom_range]。
    channel_shift_range = 0.,   #浮点数,随机通道偏移的幅度。
    fill_mode = 'nearest',          #‘constant’,‘nearest’,‘reflect’或‘wrap’之一,当进行变换时超出边界的点将根据本参数给定的方法进行处理
    cval = 0.0,                           #浮点数或整数,当fill_mode=constant时,指定要向超出边界的点填充的值。
    horizontal_flip = False,       #布尔值,进行随机水平翻转。随机的对图片进行水平翻转,这个参数适用于水平翻转不影响图片语义的时候。
    vertical_flip = False,            #布尔值,进行随机竖直翻转。
    rescale = None,                   #值将在执行其他处理前乘到整个图像上,我们的图像在RGB通道都是0~255的整数,这样的操作可能使图像的值过高或过低,所以我们将这个值定为0~1之间的数。
    preprocessing_function = None,             #将被应用于每个输入的函数。该函数将在任何其他修改之前运行。该函数接受一个参数,为一张图片(秩为3的numpy array),并且输出一个具有相同shape的numpy array
    data_format = K.image_data_format(),   #字符串,“channel_first”或“channel_last”之一,代表图像的通道维的位置。该参数是Keras 1.x中的image_dim_ordering,“channel_last”对应原本的“tf”,“channel_first”对应原本的“th”。以128x128的RGB图像为例,“channel_first”应将数据组织为(3,128,128),而“channel_last”应将数据组织为(128,128,3)。该参数的默认值是~/.keras/keras.json中设置的值,若从未设置过,则为“channel_last”。
)

例子:

train_datagen = ImageDataGenerator(
    preprocessing_function = preprocess_input,
    rotation_range = 30,
    width_shift_range = 0.2,
    height_shift_range = 0.2,
    shear_range = 0.2,
    zoom_range = 0.2,
    horizontal_flip = True,
)

摘自:https://blog.csdn.net/C_chuxin/article/details/84573457

shear_range

shear_range就是错切变换,效果就是让所有点的x坐标(或者y坐标)保持不变,而对应的y坐标(或者x坐标)则按比例发生平移,且平移的大小和该点到x轴(或y轴)的垂直距离成正比。具体效果见上文链接。

zoom_range

zoom_range参数可以让图片在长或宽的方向进行放大,可以理解为某方向的resize,因此这个参数可以是一个数或者是一个list。当给出一个数时,图片同时在长宽两个方向进行同等程度的放缩操作;当给出一个list时,则代表[width_zoom_range, height_zoom_range],即分别对长宽进行不同程度的放缩。而参数大于0小于1时,执行的是放大操作,当参数大于1时,执行的是缩小操作。

fill_mode

fill_mode为填充模式,如前面提到,当对图片进行平移、放缩、错切等操作时,图片中会出现一些缺失的地方,那这些缺失的地方该用什么方式补全呢?就由fill_mode中的参数确定,包括:“constant”、“nearest”(默认)、“reflect”和“wrap”。这四种填充方式的效果对比如图18所示,从左到右,从上到下分别为:“reflect”、“wrap”、“nearest”、“constant”。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值