3.2 Image Features
cell Features部分要用到SVM和MLP,我不太熟悉就先没做这个实验。
先将这个部分是因为用了数据增强,需要先把所有的数据都准备好,再进行训练测试集的划分。
这一部分说的是对Image Features的训练策略:包括网络、超参数、数据处理等。
- CNN网络:VGG19,输入:80*80
- 损失函数:cross-entropy loss
- 优化器:SGD
- 超参数:batch_size = 50, lr = 0.0001
- 数据增强:每一张图片 水平、垂直、水平垂直翻转后多了3张,也就是数据增强后的数据集总量是原来的4倍了。
从官网上下好的数据集,图片都是放到了相应类别的文件夹下。
记得改路径!
import cv2
import os
from shutil import copyfile
#要改!!
path = 'your path \\datasets\\sipakmedPics'
classes = os.listdir(path)
for c in classes:
images_file = os.listdir(path+"\\"+c)
for i in images_file:
img = cv2.imread(path+"\\"+c+"\\"+i)
img1 = cv2.flip(img,1)#水平
cv2.imwrite(path+"\\"+c+"\\"+i[0:i.index('.')]+"_1.bmp",img1)
img2 = cv2.flip(img,0)#垂直
cv2.imwrite(path+"\\"+c+"\\"+i[0:i.index('.')]+"_0.bmp",img2)
img3 = cv2.flip(img,-1)#水平垂直
cv2.imwrite(path+"\\"+c+"\\"+i[0:i.index('.')]+"_-1.bmp",img3)
这样就实现了每张图片增加三张。
把数据集准备好就到下一步了。