TensorFlow2实战-系列教程4：数据增强：keras工具包/Data Augmentation

🧡💛💚TensorFlow2实战-系列教程 总目录

有任何问题欢迎在下面留言
本篇文章的代码运行界面均在Jupyter Notebook中进行
本篇文章配套的代码资源已经上传

对于图像数据，将其进行翻转、放缩、平移、旋转操作就可以得到一组新的数据：
在这里插入图片描述

1、展示输入输出

import matplotlib.pyplot as plt
from PIL import Image
%matplotlib inline
from keras.preprocessing import image
import keras.backend as K
import os
import glob
import numpy as np
def print_result(path):name_list = glob.glob(path)fig = plt.figure(figsize=(12,16))for i in range(3):img = Image.open(name_list[i])sub_img = fig.add_subplot(131+i)sub_img.imshow(img)
img_path = './img/superman/*'
in_path = './img/'
out_path = './output/'
name_list = glob.glob(img_path)
print(name_list)
print_result(img_path)
  1. img_path 就是存放3张图像数据的路径，in_path 、out_path 暂时没用到
  2. name_list 查看一下三张数据的路径字符信息
  3. print_result就是一个专门用来打印3张图像的函数

打印结果：

[‘./img/superman\00000008.jpg’,
‘./img/superman\00000009.jpg’,
‘./img/superman\00000010.jpg’]

在这里插入图片描述

2、调整图像大小

datagen = image.ImageDataGenerator()
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False,  save_to_dir=out_path+'resize',save_prefix='gen', target_size=(224, 224))
  1. 创建一个数据增强的实例
  2. 指定参数加载图像数据
  3. save_to_dir=out_path+‘resize’，用到了前面的输出路径
  4. 指定了target_size参数后图像都会被重置成这个尺寸
for i in range(3):gen_data.next()
print_result(out_path+'resize/*')

从数据生成器中获取数据，将图像打印出来
打印结果：
在这里插入图片描述

3、旋转图像

datagen = image.ImageDataGenerator(rotation_range=45)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'rotation_range',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'rotation_range/*')
  1. 创建一个旋转的数据增强实例，
  2. 创建一个数据增强实例，实际上就是直接加载数据
  3. 将加载的图像数据重置尺寸
  4. 将重置尺寸的图像转换成ndarray格式
  5. 将旋转数据增强应用到重置尺寸的图像数据中
  6. 使用数据增强生成器重新从目录加载数据
  7. 保存加载的数据
  8. 使用for循环：
  9. 生成并处理三个图像，由于设置了 save_to_dir，这些图像将被保存。
  10. 打印三个图像

打印结果：

Found 3 images belonging to 1 classes.
Found 3 images belonging to 1 classes.

在这里插入图片描述

4、平移变换

datagen = image.ImageDataGenerator(width_shift_range=0.3,height_shift_range=0.3)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'shift',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'shift/*')

与3中不同的是，这段代码是进行平移变换进行数据增强，指定了平移变换的参数，width_shift_range=0.3，height_shift_range=0.3，这两个参数分别表示会在水平方向和垂直方向±30%的范围内随机移动

打印结果：

Found 3 images belonging to 1 classes.
Found 3 images belonging to 1 classes.

在这里插入图片描述

datagen = image.ImageDataGenerator(width_shift_range=-0.3,height_shift_range=0.3)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'shift2',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'shift2/*')

由于是随机的，这两段代码完全一样，但是结果却不同
打印结果：

Found 3 images belonging to 1 classes.
Found 3 images belonging to 1 classes.
在这里插入图片描述

5、缩放

datagen = image.ImageDataGenerator(zoom_range=0.5)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'zoom',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'zoom/*')

这段代码与3中不同的就是，这里指定缩放参数来进行缩放数据增强
打印结果：

Found 3 images belonging to 1 classes.
Found 3 images belonging to 1 classes.

在这里插入图片描述

6、channel_shift

datagen = image.ImageDataGenerator(channel_shift_range=15)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'channel',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'channel/*')

这段代码与3中不同的就是，这里指定通道偏移参数来进行通道偏移数据增强
打印结果：

Found 3 images belonging to 1 classes.
Found 3 images belonging to 1 classes.
在这里插入图片描述

7、水平翻转

datagen = image.ImageDataGenerator(horizontal_flip=True)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'horizontal',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'horizontal/*')

这段代码与3中不同的就是，这里指定水平翻转参数来进行水平翻转数据增强
在这里插入图片描述

8、rescale重新缩放

datagen = image.ImageDataGenerator(rescale= 1/255)
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'rescale',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'rescale/*')

这段代码与3中不同的就是，这里指定rescale重新缩放参数来进行rescale重新缩放数据增强
通常用于归一化图像数据。将图像像素值从 [0, 255] 缩放到 [0, 1] 范围，有助于模型的训练
在这里插入图片描述

9、填充方法

  • ‘constant’: kkkkkkkk|abcd|kkkkkkkk (cval=k)
  • ‘nearest’: aaaaaaaa|abcd|dddddddd
  • ‘reflect’: abcddcba|abcd|dcbaabcd
  • ‘wrap’: abcdabcd|abcd|abcdabcd
datagen = image.ImageDataGenerator(fill_mode='wrap', zoom_range=[4, 4])
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'fill_mode',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'fill_mode/*')
  • fill_mode='wrap'：当应用几何变换后，图像中可能会出现一些新的空白区域。fill_mode 定义了如何填充这些空白区域。在这种情况下，使用 'wrap' 模式，意味着空白区域将用图像边缘的像素“包裹”填充。
  • zoom_range=[4, 4]：这设置了图像缩放的范围。在这里，它被设置为在 4 倍范围内进行随机缩放。由于最小和最大缩放因子相同，这将导致所有图像都被放大 4 倍

用原图像填充，任何超出原始图像边界的区域将被图像的对边界像素填充
在这里插入图片描述

datagen = image.ImageDataGenerator(fill_mode='nearest', zoom_range=[4, 4])
gen = image.ImageDataGenerator()
data = gen.flow_from_directory(in_path, batch_size=1, class_mode=None, shuffle=True, target_size=(224, 224))
np_data = np.concatenate([data.next() for i in range(data.n)])
datagen.fit(np_data)
gen_data = datagen.flow_from_directory(in_path, batch_size=1, shuffle=False, save_to_dir=out_path+'nearest',save_prefix='gen', target_size=(224, 224))
for i in range(3):gen_data.next()
print_result(out_path+'nearest/*')

使用最近点填充，每个空白区域的像素将取其最近的非空白区域的像素值
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/653525.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

分布式ID（3）：雪花算法生成ID之UidGenerator（百度开源的分布式唯一ID生成器）

分布式ID（3）：雪花算法生成ID之UidGenerator（百度开源的分布式唯一ID生成器）

1 UidGenerator官方地址 UidGenerator源码地址： https://github.com/baidu/uid-generator UidGenerator官方说明文档地址： https://github.com/baidu/uid-generator/blob/master/README.zh_cn.md 这边只做简单介绍，详细说明请看官方说明文档。 2 Snowflake算法 Snowfl…
阅读更多...
spring boot学习第八篇:操作elastic search的索引和索引中的数据

spring boot学习第八篇:操作elastic search的索引和索引中的数据

前提参考&#xff1a;elastic search入门-CSDN博客 前提说明&#xff1a;已经安装好了elastic search 7.x版本&#xff0c;我的es版本是7.11.1 1、 pom.xml文件内容如下&#xff1a; <?xml version"1.0" encoding"UTF-8"?> <project xmlns&q…
阅读更多...
空间计算时代催生新一波巨大算力市场需求

空间计算时代催生新一波巨大算力市场需求

什么是空间计算&#xff1f; 空间计算是一种整合虚拟现实&#xff08;VR&#xff09;、增强现实&#xff08;AR&#xff09;、混合现实&#xff08;MR&#xff09;等技术的计算模式&#xff0c;旨在将数字信息与真实世界融合在一起。这种融合创造了一个全新的计算环境&#xff…
阅读更多...
机房环境动力监控系统：S275远程控制网关助力高效管理

机房环境动力监控系统：S275远程控制网关助力高效管理

现场问题 1、机房安全隐患 机房存在意外断电、温湿度过高过低、漏水断路等隐患&#xff0c;传统监测手段难以提前发现和预警。 2、机房远程运维困难 因环境改变、非授权活动、设备状态变化等引起的事故&#xff0c;难以满足机房远程运维的可靠管控要求。 3、机房改造成本高…
阅读更多...
菱形打印和十进制ip转二进制

菱形打印和十进制ip转二进制

1.菱形打印 用for循环 #!/bin/bashread -p "请输入菱形的大小&#xff1a;" num #打印向上的等腰三角形 for ((i1;i<num;i)) dofor ((jnum-1;j>i;j--))doecho -n " " #打印的是前面的空格donefor ((k1;k<2*i-1;k))doecho -n "*" #打印…
阅读更多...
HCIE之BGP正则表达式（四）

HCIE之BGP正则表达式（四）

BGP 一、AS-Path正则表达式数字| 等同于或的关系[]和.$ 一个字符串的结束_代表任意^一个字符串的开始()括号包围的是一个组合\ 转义字符* 零个或多个&#xff1f;零个或一个一个或多个 二、BGP对等体组三、BGP安全性 一、AS-Path正则表达式 正则表达式是按照一定模版匹配字符串…
阅读更多...
Linux实验记录：使用RAID（独立冗余磁盘阵列）

Linux实验记录：使用RAID（独立冗余磁盘阵列）

前言&#xff1a; 本文是一篇关于Linux系统初学者的实验记录。 参考书籍&#xff1a;《Linux就该这么学》 实验环境&#xff1a; VmwareWorkStation 17——虚拟机软件 RedHatEnterpriseLinux[RHEL]8——红帽操作系统 目录 前言&#xff1a; 备注&#xff1a; 部署磁盘阵…
阅读更多...
成功解决IndexError: index 0 is out of bounds for axis 1 with size 0.

成功解决IndexError: index 0 is out of bounds for axis 1 with size 0.

成功解决IndexError: index 0 is out of bounds for axis 1 with size 0. &#x1f335;文章目录&#x1f335; &#x1f333;引言&#x1f333;&#x1f333;报错分析及解决方案&#x1f333;&#x1f333;参考文章&#x1f333;&#x1f333;结尾&#x1f333; &#x1f333;…
阅读更多...
Cesium.js实现显示点位对应的自定义信息弹窗（数据面板）

Cesium.js实现显示点位对应的自定义信息弹窗（数据面板）

零、相关技术选型&#xff1a; Vue2 Vuecli5 Cesium.js 天地图 一、需求说明 在使用2D地图&#xff08;天地图、高德地图等&#xff09;基于官方文档可以实现下面需求&#xff1a; 实现添加点位&#xff0c;并在点位附近显示对应的信息弹窗。 一般信息弹窗的显示方式有两种&am…
阅读更多...
【数据结构1-2】二叉树

【数据结构1-2】二叉树

树形结构不仅能表示数据间的指向关系&#xff0c;还能表示出数据的层次关系&#xff0c;而有很明显的递归性质。因此&#xff0c;我们可以利用树的性质解决更多种类的问题。 但是在平常的使用中&#xff0c;我们并不需要使用这么复杂的结构&#xff0c;只需要建立一个包含int r…
阅读更多...
【极数系列】Flink配置参数如何获取？（06）

【极数系列】Flink配置参数如何获取？（06）

文章目录 gitee码云地址简介概述01 配置值来自.properties文件1.通过路径读取2.通过文件流读取3.通过IO流读取 02 配置值来自命令行03 配置来自系统属性04 注册以及使用全局变量05 Flink获取参数值Demo1.项目结构2.pom.xml文件如下3.配置文件4.项目主类5.运行查看相关日志 gite…
阅读更多...
sqli-labs第一关

sqli-labs第一关

1.判断是否存在注入&#xff0c;注入是字符型还是数字型? ?id1 and 11 ?id1 and 12 因为输入and 11与and 12 回显正常&#xff0c;所以该地方不是数字型。 ?id1 ?id1-- 输入单引号后报错&#xff0c;在单引号后添加--恢复正常&#xff0c;说明存在字符注入 2.猜解SQL查…
阅读更多...
前端——JavaScript

前端——JavaScript

目录 文章目录 前言 一. JavaScript基础 1.JavaScript基本结构 2. JavaScript 执行过程 3. JavaScript 引入方式 二. JavaScript 语法 1.数据类型 2.变量 2.1 var 关键字定义变量 2.2 let 关键字定义变量 2.3 var 与 let 的区别 3.字符串 3.1定义字符串 3.2 字…
阅读更多...
Java中this引用详解

Java中this引用详解

文章目录 一、 为什么要有this引用二、什么是this引用三、this引用的特性四、如何用好this关键字 一、 为什么要有this引用 我们先看一段代码 class Data {public int year;public int month;public int day;public void setDay(int y,int m,int d) {year y;month m;day d…
阅读更多...
《动手学深度学习(PyTorch版)》笔记4.7

《动手学深度学习(PyTorch版)》笔记4.7

Chapter4 Multilayer Perceptron 4.7 Forward/Backward Propagation and Computational Graphs 本节将通过一些基本的数学和计算图&#xff0c;深入探讨反向传播的细节。首先&#xff0c;我们将重点放在带权重衰减&#xff08; L 2 L_2 L2​正则化&#xff09;的单隐藏层多层…
阅读更多...
【教学类-44-04】20240128汉字字帖的字体（一）——文艺空心黑体

【教学类-44-04】20240128汉字字帖的字体（一）——文艺空心黑体

背景需求&#xff1a; 【教学类-XX -XX 】20240128名字字卡1.0&#xff08;15CM正方形手工纸、黑体&#xff0c;说明是某个孩子的第几个名字&#xff09;-CSDN博客文章浏览阅读254次&#xff0c;点赞4次&#xff0c;收藏2次。【教学类-XX -XX 】20240128名字字卡1.0&#xff0…
阅读更多...
12.Elasticsearch应用（十二）

12.Elasticsearch应用（十二）

Elasticsearch应用&#xff08;十二&#xff09; 1.单机ES面临的问题 海量数据存储问题单点故障问题 2.ES集群如何解决上面的问题 海量数据存储解决问题&#xff1a; 将索引库从逻辑上拆分为N个分片&#xff08;Shard&#xff09;&#xff0c;存储到多个节点单点故障问题&a…
阅读更多...
鸿蒙（HarmonyOS）项目方舟框架（ArkUI）之CheckboxGroup组件

鸿蒙（HarmonyOS）项目方舟框架（ArkUI）之CheckboxGroup组件

鸿蒙&#xff08;HarmonyOS&#xff09;项目方舟框架&#xff08;ArkUI&#xff09;之CheckboxGroup组件 一、操作环境 操作系统: Windows 10 专业版、IDE:DevEco Studio 3.1、SDK:HarmonyOS 3.1 二、CheckboxGroup组件 提供多选框组件&#xff0c;通常用于某选项的打开或关…
阅读更多...
【python】GtkWindow程序

【python】GtkWindow程序

一、多个GtkWindow 在GTK中&#xff0c;并不推荐使用多个GtkWindow来创建多文档界面&#xff08;MDI&#xff09;&#xff0c;而是推荐使用单个GtkWindow内嵌入的小部件&#xff08;如GtkNotebook&#xff09;来实现类似的效果。然而&#xff0c;如果确实想要创建多个窗口的例…
阅读更多...
教育能打破阶层固化吗

教育能打破阶层固化吗

中式教育以应试为核心&#xff0c;强调知识的灌输和学生被动接受。随着社会的发展&#xff0c;中式教育的短板逐渐显现&#xff0c;创新能力的缺乏、对记忆的过度依赖、忽视个体差异等问题日益突出。 建议所有大学生都能去看看《上海交通大学生存手册》&#xff0c;它道出了中…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023