Question

我尝试使用Keras ImageDataGenerator扩充图像数据。我的任务是回归任务，其中输入图像会生成另一个变换后的图像。到目前为止，效果很好。

在这里，我想使用ImageDataGenerator来应用数据扩充。为了以相同的方式变换两个图像，我使用了Keras docs中描述的方法，其中描述了具有相应遮罩的图像变换。我的情况有些不同，因为我的图像已经加载，不需要从目录中提取。 another StackOverlow post中已经描述了此过程。

要验证我的实现，我首先使用了它而未进行扩充，并且使用了ImageDataGenerator而不指定任何参数。根据{{3}}中的类引用，这不应更改图像。请参阅以下代码段：

img_val = img[0:split_seperator]
img_train = img[split_seperator:]

target_val = target[0:split_seperator]
target_train = target[split_seperator:]

data_gen_args = dict()

# define data preparation
src_datagen = ImageDataGenerator(**data_gen_args)
target_datagen = ImageDataGenerator(**data_gen_args)

# fit parameters from data
seed = 1
src_datagen.fit(img_train, augment=False, seed=seed)
target_datagen.fit(target_train, augment=False, seed=seed)

training_generator = zip(
    src_datagen.flow(img_train, batch_size=batch_size_training, seed=seed),
    target_datagen.flow(target_train, batch_size=batch_size_training, seed=seed))

_ = model.fit_generator(
    generator=training_generator,
    steps_per_epoch=image_train.shape[0] // batch_size_training,
    epochs=num_epochs, verbose=1,
    validation_data=(img_val, target_val), callbacks=callbacks)

不幸的是，我的实现似乎有一些问题。我没有得到预期的表演。验证损失在某种程度上稳定在某个值附近，并且仅略有下降（请参见下图）。我希望在这里，因为我没有使用任何增强，所以损失与未增强的基线相同。

Keras docs

相比之下，没有ImageDataGenerator的训练看起来像

_ = model.fit(img, target,
              batch_size=batch_size_training,
              epochs=num_epochs, verbose=1,
              validation_split=0.2, callbacks=cb)

我想我在某种程度上与ImageDataGenerator，flow和fit函数的用法混为一谈。所以我的问题是：

所应用的功能fit或flow之一是否多余并导致此行为？
我有实施上的问题吗？
这种实现通常有意义吗？
设置验证集修订是否有意义，还是应该增加验证集？

更新（2019年1月23日及以后）： 到目前为止，我已经尝试过（响应答案）：

也为验证数据创建一个生成器
删除应用的拟合函数
在流函数中设置shuffle=True（数据已经被重新整理）

这两种方法都不能使结果更好。

Answer 1

最后，我了解您要做什么，这应该可以完成工作。

aug = ImageDataGenerator(**data_gen_args)

# train the network
H = model.fit_generator(aug.flow(img_train, target_train, batch_size=image_train.shape[0]),
    validation_data=(img_val, target_val), steps_per_epoch=image_train.shape[0] // BS,
    epochs=EPOCHS)

让我知道这是否可行。

Keras：ImageDataGenerator性能不佳

1 个答案: