2021-03-13

Deep Learning for Computer Vision with Python

---

前言

数据增强是一种常用的技术手段，不仅能够有小扩充训练样本，还能够有效的提高训练的准确率。

---

一、数据增强是什么？

数据增强是一种在保持样本标签不变的前提下，应用随机抖动和扰动来从原始样本生成新的训练样本。

常用的方法有：

1. Translations（转换）
2. Rotations（选择）
3. Changes in scale（尺寸缩放）
4. Shearing（剪切）
5. Horizontal (and in some cases, vertical) flips（水平翻转）

(https://www.pyimagesearch.com/deep-learning-computer-vision-python-book/)

二、使用步骤

1.引入库

from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing.image import img_to_array
from keras.preprocessing.image import load_img
import numpy as np
import os
import argparse

2.代码

代码如下（示例）：

Minivggnet.py

parse = argparse.ArgumentParser()
parse.add_argument("input", type=str, help="input your image")
parse.add_argument("output", type=str, help = "save your outpur")
parse.add_argument("--prefix", type=str, default = "image",help="input your prefix")
arg = parse.parse_args()

if not os.path.exists(arg.output):
    os.makedirs(arg.output)

image = load_img(arg.input)
image = img_to_array(image)
image = np.expand_dims(image, axis = 0)
#获得图像生成器
AUG = ImageDataGenerator(rotation_range=30,
                         width_shift_range=0.1,
                         height_shift_range=0.1,
                         shear_range=0.2,
                         zoom_range=0.2,
                         horizontal_flip=True,
                         fill_mode="nearest")

#给图像生成器样本，按照上述生成器设置生成相应copy
imagegen = AUG.flow(image, batch_size=1, save_to_dir=arg.output, save_prefix=arg.prefix, save_format='jpg')
#生成十张图像
num = 0
for au_image in imagegen:
    num = num + 1
    if num == 10:
        break

总结

就这样啦