Question

因此，我正在构建图像分类器，并使用具有以下参数的Keras的ImageDataGenerator类：

ImageDataGenerator(
rescale=1./255, rotation_range=40, width_shift_range=0.2,
height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, 
horizontal_flip=True, fill_mode='nearest'
)

然后我将生成器的这个实例用于我的训练数据，并使用以下代码：

train_datagen.flow_from_dataframe(
dataframe=binary_df, directory='../train', x_col='Image', y_col='Label',
target_size=(target_size[0],target_size[1]),
batch_size=batch_size, class_mode='categorical',interpolation='nearest'
)

然后，最后将此生成器直接传递给Keras中的'fit_generator'函数，以按如下方式训练我的模型：

binary_model.fit_generator(
binary_train_generator, epochs=100, shuffle=True)

我的问题是，生成器是否会在创建生成器时（水平翻转，旋转等）自动按照指定的方式扩充数据，并在训练模型时将其传递，还是我需要使用生成器来创建新数据？首先，然后将其传递给我的“ fit_generator”函数？

谢谢！

Answer 1

请参见ImageDataGenerator documentation，尤其是您正在使用的功能 flow_from_dataframe 。

引用文档：

采用目录路径并生成大量扩充数据。

因此它将为您生成模型的扩充数据。

顺便说一句：：创建生成器时不对数据进行扩充，而在馈入模型时逐批进行数据扩充。

编辑：引用文档的图像（训练数据点）数量保持不变：

horizontal_flip：布尔值。水平随机翻转输入。

您的某些输入是随机翻转的，这不像是馈送了两个单独的图像（一个是翻转的图像，另一个是原始而非增强版本的图像）。

在Keras中使用“ ImageDataGenerator”并在训练模型时直接传递此图像时，是否会修改图像以扩大数据集？

1 个答案: