图像增强_Keras 常用的图像增强方式

欢迎关注 “小白玩转Python”，发现更多 “有趣”

在使用神经网络和深度学习模型时，需要进行数据准备。对于更复杂的物体识别任务，也越来越需要增加数据量。

数据增加意味着增加数据量。换句话说，拥有更大的数据集意味着更健壮的模型。但是获取更多的数据并不总是那么容易，而且可能存在存储数据并将其提供给模型的问题。

为了缓解这个问题，我们可以通过做一些修改手动增加数据，或者我们可以使用一个 Keras 图像预处理类，只需几行代码就可以做到这一点。

在这篇文章中，我们将看到在使用 Keras 开发和评估 Python 中的深度学习模型时，如何使用图像数据集进行数据准备和数据增强。

读完这篇文章，你就会知道：

1. 关于Keras提供的图像增强API以及如何在模型中使用它。如何执行特征标准化；

2. 如何对图像执行 ZCA 白化；

3. 如何对图像数据随机旋转，移位和翻转增强；

4. 如何将增强图像数据保存到磁盘。

图像增强 API：ImageDataGenerator

它从原始批处理中生成批处理的增强数据。该算法首先对图像进行随机变换，然后生成一批新的图像进行训练。