Keras数据增强之ImageDataGenerator的使用和迭代

一时失言乱红尘 2022-05-30 10:47 320阅读 0赞

刚接触Keras,写博客记录下自己遇到的问题>>>

在实际训练自己的网络模型时,基本都会遇到数据不够的难题.

Keras.preprocessing.imgae.ImageDataGenerator图片生成器,可以批量生成数据,防止模型过拟合并提高泛化能力.

使用方法如下:

#coding:utf-8
    from keras.preprocessing.image import ImageDataGenerator,load_img,img_to_array
    
    #定义图片生成器
    data_gen = ImageDataGenerator(rotation_range=40,
                                  width_shift_range=0.2,
                                  height_shift_range=0.2,
                                  horizontal_flip=True,
                                  vertical_flip=True,
                                  fill_mode='nearest',
                                  data_format='channels_last')
    
    img=load_img('/home/zyx/Dataset/flower_photos/daisy/144603918_b9de002f60_m.jpg')
    x = img_to_array(img,data_format="channels_last")   #图片转化成array类型,因flow()接收numpy数组为参数
    x=x.reshape((1,) + x.shape)     #要求为4维
    
    #使用for循环迭代,生成图片
    i = 0
    for batch in data_gen.flow(x,batch_size=1,
                               save_to_dir='/home/zyx/Dataset/flower_photos/dataGen',
                               save_prefix='flower',
                               save_format='jpeg'):
        print batch.shape
        i += 1
        if i>20:
            break
            
    #使用next()迭代,生成图片
    next(data_gen.flow(x,batch_size=2,
                       save_to_dir='/home/zyx/Dataset/flower_photos/dataGen',
                       save_prefix='next_gen',
                       save_format='jpeg'))

data\_gen.flow()返回是数据类型是NumpyArrayIterator类型,需要使用for或next,才可得到其中数据.

我们已经知道，可以直接作用于`for`循环的数据类型有以下几种：

一类是集合数据类型，如`list`、`tuple`、`dict`、`set`、`str`等；

一类是`generator`，包括生成器和带`yield`的generator function。

而生成器不但可以作用于`for`循环，还可以被`next()`函数不断调用并返回下一个值，直到最后抛出`StopIteration`错误表示无法继续返回下一个值了。

可以被`next()`函数调用并不断返回下一个值的对象称为迭代器：`Iterator`。

可以使用`isinstance()`判断一个对象是否是`Iterator`对象：

但是,这样生成的数据,相似度很高,在原始样本少的情况下,模型依旧很容易过拟合.

\------------------------------如有错误,欢迎指出!---------------------------------