我有一个用于关键点检测的图像数据集。每个图像都用一个关键点 (x|y) 标记。

我使用 numpy 翻转图像以进行数据增强。

我使用以下代码翻转图像水平：

与此代码垂直

到目前为止，一切都很好。但我还必须重新计算关键点（标签）（[85 35]）我知道它的基本数学，但我还没有找到解决方案。

提前致谢。

假设我想用 Keras 训练一个图像数据库，并且我想使用 Keras ImageDataGenerator 自动生成新图像，问题是某些功能在经典设置（翻转、移位等）中不可用。

是否可以不仅添加一个功能列表，还添加一个功能列表作为“预处理功能”？

我也尝试在调用 datagen 之前应用我的函数，但是我有太多函数，以至于我有 MemoryErrors

我想做图像增强，例如，在张量流中旋转随机角度。在每批中，我想为每张图像旋转不同的随机角度。我可以通过使用随机生成的角度张量tf.contrib.image.rotate来做到这一点：image_batch

但是，如果我使用 构建批处理allow_smaller_final_batch=True，则batch_size是无用的，因为它image_batch没有固定的批处理大小。并且旋转会失败，因为弧度和image_batch的N维不一样。

我该如何解决？

我想通过用 wordnet 中的同义词替换单词来为情感分析任务进行数据增强，但替换是随机的

我的问题

我想使用一种由反向翻译数据集组成的 NLP 数据增强方法。

基本上，我有一个大型数据集（SNLI），由 1 100 000 个英语句子组成。我需要做的是：将这些句子翻译成一种语言，并将其翻译回英文。

对于几种语言，我可能必须这样做。所以我有很多翻译要做。

我需要一个免费的解决方案。

到目前为止我做了什么

我尝试了几个 python 模块进行翻译，但由于最近谷歌翻译 API 的变化，大多数都不起作用。如果我们应用此解决方案， googletrans似乎可以工作。

但是，它不适用于大数据集。谷歌限制了 15K 个字符（如this、this和this所指出的）。第一个链接显示了一个假设的解决方法。

我被封锁的地方

即使我应用了解决方法（每次迭代都初始化翻译器），它也不起作用，并且出现以下错误：

我尝试使用代理和其他 Google 翻译网址：

但这并没有改变任何东西。

笔记

我的问题可能来自我使用多线程的事实：100 个工作人员来翻译整个数据集。如果它们并行工作，可能它们一起使用超过 15k 个字符。

但我应该使用多线程。如果我不这样做，翻译整个数据集将需要数周时间......

我的问题

如何修复此错误以便翻译所有句子？

如果不可能，对于这么大的数据集，是否有任何免费的替代方法可以在 Python 中获得机器翻译（不是强制使用谷歌翻译）？

我想训练一个 CNN 来使用 tensorflow 检测和分类任何类型的标志（主要是实验室和安全标记）。虽然我可以使用例如 Bing API 为分类训练集收集足够的训练数据，但我正在努力考虑一种解决方案，以便为对象检测训练集获取足够的图像。由于这些标记大多不公开，我想我可以将自然场景图像与标记本身的图像合成，以获得训练集。有没有办法自动做到这一点？我查看了 tensorflow 数据增强类，但它似乎只为更简单的数据增强任务提供功能。

我一直在寻找输入图像的预处理技术。在查看了 inception 模型的实现后：https ://github.com/awslabs/deeplearning-benchmark/blob/master/tensorflow/inception/inception/image_processing.py#L164 ，我发现他们使用的color_ordering参数可以是 0 或 1。在这种情况下，颜色排序是什么意思？

我知道我可以使用tf.contrib.image.rotate. 但是假设我想以弧度 -0.3 到 0.3 之间的角度随机应用旋转，如下所示：

到目前为止，这将正常工作。但是当最后一次迭代中批量大小发生变化并且出现错误时，问题就出现了。那么如何修复此代码并使其在所有情况下都能正常工作呢？请注意，输入图像是使用tf.data.Datasetapi 提供的。

任何帮助深表感谢！！

我想知道像这样指定数据增强之间是否有任何区别：

或者像这样：

在对象检测管道文件中？

模型存储库中的所有样本都使用第一种格式，但也接受第二种格式。

对于使用 model_main.py 通过 Tensorflow API 进行对象检测，当我random_horizontal_flip在我的 pipeline.configdata_augmentation_options中使用 ie 时train_config，我的边界框是否也会受到影响？这非常重要，否则这些选项将不适用。这是同一个问题，但没有正确回答。