问题标签 [data-augmentation]

我正在尝试批量移动所有图像并进行“最近”插值。出于某种原因，生成的图像被黑色像素插值......这是一个错误吗？

我有一个非常大的数据集，不适合内存我将它拆分为文件，我想在数据生成器中使用它们进行训练我使用以下代码

为 one-hot 编码标签创建标签二值化器，然后对测试标签进行编码 构建用于数据增强的训练图像生成器，初始化训练和测试图像生成器

然后我用

但 fit_generator 只读取第一个文件

我发现可以通过使用 torchvision.transforms 在 PyTorch 中完成数据扩充。我还读到在每个时期都应用了转换。所以我想知道多次复制每个样本然后对它们应用随机变换的效果是否与在原始数据集（唯一图像）上使用 torchvision.transforms 并只是训练它更长的时间（更多时期）相同. 提前致谢。

我正在使用fritz person 模型，从中得到一个人的面具图像。现在，我想在该蒙版上添加一个不同的图像。所以，基本上，我想用一些不同的图像替换蒙版，或者换句话说，你可以说我想用一些图像替换一组常见的彩色像素。

我研究了很多，但没有找到任何东西。我还添加了使用弗里茨人模型后获得的蒙版图像以供参考。

提前致谢。

可以在 tensorflow 对象检测 api 配置文件中增加图像，例如：

如何可视化训练图像以检查增强结果？

感谢您的帮助。

我想从

到

如果我想同样增加 n 次（比如 100 或 500 次），我该怎么做？我不想用常规循环来做，而是使用像 numpy 这样的库。有什么帮助吗？

非常感谢。

这是一个主要由@ptrblckPytorch 论坛提供的片段，用于对某些图像进行数据增强。

任务是分割，所以我假设图像及其对应的掩码需要增加。

我想知道如何在转换后显示一些图像和对应的蒙版以了解它们的外观？

这是脚本：

目前它正在导致错误

path = os.fspath(path)
TypeError: expected str, bytes or os.PathLike object, not tuple

我正在遵循本指南。

它展示了如何使用以下方法从新的 TensorFlow 数据集中下载数据集tfds.load()：

接下来的步骤展示了如何使用 map 方法将函数应用于数据集中的每个项目：

然后访问我们可以使用的元素：

或者

但是，该指南没有提及有关数据增强的任何内容。我想使用类似于 Keras 的 ImageDataGenerator 类的实时数据增强。我尝试使用：

和其他类似的增强功能，format_example()但是，我如何验证它正在执行实时增强而不是替换数据集中的原始图像？

batch_size=-1我可以通过传递到tfds.load()然后使用将完整的数据集转换为 Numpy 数组，tfds.as_numpy()但是，这会将所有不需要的图像加载到内存中。我应该能够train = train.prefetch(tf.data.experimental.AUTOTUNE)为下一个训练循环加载足够的数据。

我是否正确理解对象分类任务中的数据增强只能在训练集上进行？

如果是这样，您如何使用增强数据实现 10 倍交叉验证？每次测试折叠更改（即 10 次）时是否都会创建增强数据？

额外的问题：你能引导我到一个资源，展示如何在 Tensorflow 中做到这一点吗？

系统信息：

我正在为医学图像分割进行动态数据增强。受faustomilletari/VNetline 158~161的启发，数据增强的代码示例如下：

上面的代码在一台服务器上运行良好，现在不可用，但在另一台服务器上失败，一段时间后出现大量僵尸子进程，训练进程无限期地挂在那里。

似乎有些子进程被系统杀死了，但我们不知道为什么。