Deep Learning for Computer Vision with Python
数据增强-data Augmentation
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:
- Translations(转换)
- Rotations(选择)
- Changes in scale(尺寸缩放)
- Shearing(剪切)
- 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