问题标签 [data-augmentation]

我想在一张图像上展示不同数据增强（随机缩放、旋转和平移）的效果。我从 x_train 绘制了第一张图像，但是第二张图似乎没有任何变化。

我想我用错了 datagen.flow，请指教。谢谢。

x2 的输出形状是 (32, 32, 32, 3) 这就是我无法绘制它的原因。为什么尺寸会这样，我该怎么办？

我正在构建一个增强的数据库来改进我的 CNN。该方案是：

• 我每次发送一张图像，以生成另外 40 张图像。
• 引用的方法将增强的图像保存在一个目录中，但我想将它们保存在一个变量中，而不是先将它们保存在我的计算机中。也就是说，我想直接保存在一个变量中。

上面的代码显示了我在说什么。看一下参数“save_to_dir”...如果我忽略它，则会进行处理，但数据不会保存在任何地方。谁能帮我？

我想使用 Keras ImageDataGenerator 进行数据增强。为此，我必须使用我的训练数据作为参数在实例化的 ImageDataGenerator 对象上调用 .fit() 函数，如下所示。

但是，我的训练数据集太大而无法立即加载到内存中。因此，我想使用我的训练数据的子集分几个步骤来拟合生成器。

有没有办法做到这一点？

我想到的一个潜在解决方案是使用自定义生成器函数加载我的训练数据批次，并在一个循环中多次拟合图像生成器。但是，我不确定 ImageDataGenerator 的拟合函数是否可以以这种方式使用，因为它可能会在每种拟合方法上重置。

作为它如何工作的示例：

我正在尝试将数据增强用于 Keras 中的回归模型。因此我想使用ImageDataGeneratorKeras 的课程。我能找到的关于该任务的几乎所有教程都有分类方法，因此使用了该方法flow_from_directory。但是对于回归任务，这是行不通的。

然后我偶然发现了这个flow方法，但遗憾的是没有很好的例子来使用它。我能找到的唯一一件事是人们正在使用它将增强数据直接输出到硬盘驱动器。我想要做的是（像 with 一样flow_from_directory）使用生成器并将其放入fit_generator函数中。但是我得到的结果不是很好，我不确定是增强数据还是我使用的flow方法错误。这是我所做的：

编辑：

我注意到别的东西。如果我设置data_gen如下

或者如果数据尚未标准化

结果与我在没有数据增强的情况下测试的结果相去甚远，即使ImageDataGenerator不应该转换任何图像。这怎么可能？

我正在尝试将旋转添加到标签具有一些面部关键点的图像数据集中。tf.contrib 已从 tensorflow 2.0 中删除，并且像 PIL 这样的任何其他库都无法正常工作，因为我正在使用 tf.data.Dataset。

我需要随机旋转角度，而同样的旋转也需要应用于图像及其关键点标签。有没有办法在 tensorflow 2.0 中做到这一点？

以下是我使用的功能：

在这里，我使用了 PIL，但是当我尝试将包含图像路径的 tf.data.Dataset 映射到 load_and_preprocess_data 函数时，它不起作用。

我无法理解 keras 的 ImageDataGenerator 中剪切参数的影响是什么

我曾尝试使用图像通过 ImageDataGenerator 中的 apply_transform 成员函数应用剪切。应用此功能后，我可以看到图像似乎被旋转和拉伸。但我无法理解它到底做了什么。

图像确实有一些变化，但我无法理解效果。

我正在对 493 个类应用增强，每个类有 1 个或 2 个或 3 个或 4 个图像（其未知的 1 个类可能只有 1 个图像，其他可能有 2 个图像）。当我使用 ImageDataGenerator 应用增强时，我得到增强的图像，但图像的名称是随机生成的，我希望将增强的图像名称作为原始图像名称。我尝试了一些代码：

我得到的是图像也属于不同的类别。

我想要的是，生成与类相同的文件夹，并且增强图像应保存在同一类中，名称应与原始图像相同。

我正在尝试加载文件夹中存在的所有图像，增加每个图像并将其保存在不同的存储库中

我可以通过硬编码路径和图像名称来增加一个但是，当我尝试存储所有图像的路径然后处理循环时，它不起作用并抛出标题中提到的错误（也：int () 参数必须是字符串、类似字节的对象或数字，而不是 'dict' )。在增强图像后的后面部分，我将输出存储在不同的文件夹中。代码也如下：

如果有人可以为这个问题提供解决方案，那将非常有帮助。

我运行了一个关于图像无监督学习的模型。在图像进入学习之前，我正在执行各种数据增强，例如旋转、随机擦除、翻转等。但是，我还想根据它们的正态/高斯分布裁剪我的图像。我还在使用名为 Augmentator 的外部库，它也没有基于正态分布的裁剪。它基本上只是随机中心或只是随机的。

我所有的转换都进入这样的列表：

非常感谢任何帮助。我发现没有这样做的外部库，所以如果我必须自己实现它，我需要一种集成到 Pytorch 的方法，所以任何指导都会有所帮助。

我正在为模型使用数据增强，并希望在训练中包含原始未增强图像以及增强图像。

到目前为止，我已经使用了以下代码：

请让我知道是否有人能够提供帮助！谢谢 ：）