原标题:深度学习中常用的图像数据增强方法-纯干货
微信公众号:OpenCV学堂
关注获取更多计算机视觉与深度学习知识;
觉得文章对你有用,请戳底部广告支持
图像数据增强方法概述
图像数据准备对神经网络与卷积神经网络模型训练有重要影响,当样本空间不够或者样本数量不足的时候会严重影响训练或者导致训练出来的模型泛化程度不够,识别率与准确率不高!本文将会带你学会如何对已有的图像数据进行数据增强,获取样本的多样性与数据的多样性从而为训练模型打下良好基础。通读全文你将get到如何几个技能:
使用标准化对图像进行图像增强
使用几何变换(平移、翻转、旋转)对图像进行数据增强
使用随机调整亮度对图像进行增强
使用随机调整对比度对图像进行增强
演示基于mnist数据集,使用tensorflow+opencv,随机获取9张28x28的大小的数据图像,然后进行处理,处理之后通过opencv来显示结果。加载mnisnt数据集,获取随机9张图像,显示的代码如下:
fromtensorflow.examples.tutorials.mnist importinput_data
importtensorflow astf
importnumpy asnp
importcv2 ascv
mnist = input_data.read_data_sets( "MNIST_data/", one_hot= True)
batch_xs, batch_ys = mnist.train.next_batch( 9)
defshow_images(images_data, win_nam