tensorflow - 对每个类别具有不同数据数量的图像进行分类

Question

我有 7 类图像需要分类。每个类都有不同数量的样本。

1. 75 张图片
2. 70 张图片
3. 98 张图片
4. 182 张图片
5. 146 张图片
6. 197 张图片
7. 150 张图片

我最终删除了所有类中的所有图像，减少到 70 个图像（50 个训练和 20 个验证）。使用 Keras 和生成器以及 flow_from_directory 方法，我能够对所有这些进行分类，但很明显我不会得到很好的准确性。我也有计划在以后增加数据。

我的问题是，我可以使用 flow_from_directory 方法为每个类使用不同数量的训练数据吗？这种方法有什么潜在的缺点吗？

例如 ：

1. 55 培训 - 20 验证
2. 50 培训 - 20 验证
3. 78 培训 - 20 验证
4. ……

谢谢

Answer 1

可以，但最好使每个类中的训练样本数量相等，否则分类器可能倾向于将图像分类到训练样本最多的类中。

说，也许您可​​以将第 2 类中的训练样本加倍（通过复制和粘贴）？

对于数据增强，您可以为训练样本添加噪声，例如添加高斯噪声、裁剪和调整图像大小等。通过这样做，模型将更加健壮。