训练图片生成,图片增强

from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing import image
img_genarator = ImageDataGenerator(rotation_range = 50,
                                   width_shift_range = 0.2,
                                   height_shift_range = 0.2,
                                   shear_range = 0.2,
                                   zoom_range = 0.3,
                                   horizontal_flip = True,
                                   fill_mode = 'nearest'
                                   )

for i in range(0,len(train_images_list)):
    img = image.load_img('/home/yuejian/Desktop/huaweiYUN/train_images/'+train_images_list[i])
    content=train_images_list[i].split('_')
    
    print(i)
    # 将图片转换为数组,并重新设定形状
    x = image.img_to_array(img) 
    x = x.reshape((1,) + x.shape) 
    
# x的形状重组为(1,width,height,channels),第一个参数为batch_size

# 这里人工设置停止生成, 并保存图片用于可视化
    j = 0
    for batch in img_genarator.flow(x,batch_size=1,save_to_dir='/home/yuejian/Desktop/huaweiYUN/train_images_gen',save_prefix=content[0],save_format='png'):
        j +=1
        if j > 9:
            break  # 如果不设置,生成器会不断的生成图片

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MXNet中可以使用mxnet.image模块来生成图片训练集。mxnet.image模块提供了多个图像预处理函数,如随机裁剪、随机翻转、随机调整亮度和对比度等,可以对图像进行数据增强。 下面是一个生成图片训练集的例子: ``` import mxnet as mx from mxnet import gluon, image # 定义图像预处理函数 def transform(data, label): data = data.astype('float32') / 255 if aug: # 随机裁剪 data = mx.image.random_crop(data, (224, 224)) # 随机翻转 data = mx.image.random_flip_left_right(data) # 随机调整亮度和对比度 data = mx.image.random_brightness(data, brightness=0.5) data = mx.image.random_contrast(data, contrast=0.5) else: data = mx.image.resize_short(data, 256) data, _ = mx.image.center_crop(data, (224, 224)) data = mx.nd.transpose(data, (2,0,1)) return data, mx.nd.array([label]) # 创建数据集 train_path = 'path/to/train/images' train_data = gluon.data.vision.datasets.ImageFolderDataset(train_path, transform=transform) # 创建DataLoader batch_size = 32 train_loader = gluon.data.DataLoader(train_data, batch_size=batch_size, shuffle=True, num_workers=4) ``` 在上述代码中,假设训练集的图像存储在train_path目录下。通过ImageFolderDataset可以创建一个图像数据集,同时通过transform参数指定图像预处理函数。在transform中可以使用mxnet.image中的预处理函数对图像进行数据增强。在创建DataLoader时,可以指定batch_size和num_workers等参数,用于对数据集进行批量处理和并行加载。 需要注意的是,生成图片训练集的具体方法与具体情况有关,如何生成训练集需要根据具体任务和数据集进行选择。
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