Question

我正在使用Keras训练图像分类CNN。使用ImageDataGenerator函数，我将一些随机变换应用于训练图像（例如旋转，剪切，缩放）。我的理解是，这些转换在传递给模型之前随机应用于每个图像。

但有些事情我不清楚：

1）如何在训练时确保包含图像的特定旋转（例如90°，180°，270°）。

2）steps_per_epoch的{{1}}参数应设置为。{1}} 数据集的唯一样本数除以model.fit_generator方法中定义的批量大小。当使用上述图像增强方法时，这仍然适用，因为它们会增加训练图像的数量吗？

谢谢，马里奥

Answer 1

前段时间，我向自己提出了同样的问题，我认为可能的解释在这里：

考虑以下示例：

    aug = ImageDataGenerator(rotation_range=90, width_shift_range=0.1, 
                             height_shift_range=0.1, shear_range=0.2, 
                             zoom_range=0.2, horizontal_flip=True, 
                             fill_mode="nearest")

对于问题1）：我指定了一个rotation_range = 90，这意味着当您传输（检索）数据时，生成器将随机将图像旋转0到90度之间的角度。您无法指定ImageDataGenerator所做的确切角度原因：随机生成旋转。关于第二个问题，这也非常重要。

对于问题2）：是的，它仍然适用于数据扩充方法。一开始我也很困惑。原因在于，由于图像是随机生成的，因此对于每个时期，网络看到的图像都与上一个时期不同。这就是为什么数据被“扩充”的原因-扩充不是在一个时代内完成的，而是在整个训练过程中完成的。但是，我看到其他人指定了原始steps_per_epoch的2x值。

希望这会有所帮助

Keras图像增强：如何选择“每个步骤的步骤”参数并在训练期间包括特定的增强？

1 个答案: