0

我有一个在基本目录中有 12 个类的数据集。然而，这 12 个类别由若干数量的图像组成。12个类别的图像数量不一致，因此它对总精度的影响。因此，我应该将数据增强应用于数据量较少的特定类吗？

各类图像数据：

#Dummy Classes

[AAAA: 713
ABCD: 274
ACBD: 335
ADBC: 576
BBBB: 538
BACD: 607
BCAD: 253
BDAD: 257
CCCC: 463
CABD: 309
CBAD: 452
CDAB: 762]

因此，如果我必须应用数据增强来增加具有较低图像数据量的特定类中的数据量，结果，我已经应用了数据增强，但它不会增加特定的类。除此之外，我想用原始数据生成增强数据，这意味着输入和输出目录将是相同的。因此，有可能帮我解决这个问题吗？

笔记本：Google Colab操作系统：Windows 10

特定（个人课程）的增强代码：

from keras.preprocessing.image import ImageDataGenerator


datagen = ImageDataGenerator(
    rotation_range=45,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range = 0.2,
    zoom_range = 0.2, 
    horizontal_flip=True,
    fill_mode = 'nearest')

i = 0

for batch in datagen.flow_from_directory(directory = ('/content/dataset/AAAA'),
                                         batch_size = 64,
                                         target_size = (256, 256),
                                         color_mode = ('rgb'),
                                         save_to_dir = ('/content/dataset/AAAA'),
                                         save_prefix = ('aug'),
                                         save_format = ('png')):
  i += 1
  if i > 49:
    break

输出：Found 0 images belonging to 0 classes.

4

0 回答 0