对于深度学习拿到数据时,有时候样本数据太少,这时候就需要增加数据,可以利用数据增强来做,数据增强可以有效减少过拟合,更好地使模型适用于新的样本,目的是增强模型的泛化能力。
如何进行数据增强?比如拿到一张图片,可以通过随机裁剪,旋转、缩放和水平翻转等操作来生成多张相似的图像,这样样本就增加了。
具体操作代码
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing.image import img_to_array
from keras.preprocessing.image import load_img
def date_enhancement(img_input_path,img_output_path):
image = load_img(img_input_path)
image = img_to_array(image) #图像转为数组
image = np.expand_dims(image, axis=0) #增加一个维度
img_dag = 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") #旋转,宽度移动范围,高度移动范围,裁剪范围,水平翻转开启,填充模式
img_generator = img_dag.flow(image, batch_size=1,
save_to_dir=img_output_path,
save_prefix = "image", save_format = "jpg")#测试一张图像bath_size=1
count =0 #计数器
for img in img_generator:
count += 1
if count == 15: #生成多少个样本后退出
break
if __name__=="__main__":
image_path ="E:\\yu\\work\\python_work\\input\\huanxiong.jpg"
image_out_path = "E:\\yu\\work\\python_work\\output"
date_enhancement(image_path,image_out_path)
原图:
效果图: