为每个类别分配具有不同数量数据的图像

Question

我有7类图像需要分类。每个班级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

我最终将所有课程中的所有图像删除至70张图像（50次训练和20次验证）。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。我有一个计划在以后增加数据。

我的问题是，我可以使用flow_from_directory方法为每个班级使用不同数量的训练数据吗？这种方法有任何潜在的缺点吗？

例如：

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

由于

Answer 1

你可以，但最好是均衡每个班级的训练样本数量，或者分类器可能倾向于将图像分类到训练样本最多的班级。

说，也许你可以将第2课中的训练样本加倍（通过复制和粘贴）？

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