我使用Keras在一些图像数据上拟合完整的卷积网络以进行语义分割 . 但是,我有一些问题过度拟合 . 我没有那么多数据,我想做数据增加 . 但是,由于我想进行像素分类,我需要任何增强功能,如翻转,旋转和移位,以应用于特征图像和标签图像 . 理想情况下,我想使用Keras ImageDataGenerator进行即时转换 . 但是,据我所知,您无法对要素和标签数据进行等效转换 .
有谁知道是否是这种情况,如果没有,有没有人有任何想法?否则,我将使用其他工具创建更大的数据集,并立即将其全部输入 .
谢谢!
2 回答
有关扩展ImageDataGenerator的工作对于这些类型的情况更加灵活(参见this issue on Github中的示例) .
此外,正如Mikael Rousson在评论中所提到的,您可以自己轻松创建自己的ImageDataGenerator版本,同时利用其许多内置函数使其更容易 . 下面是我用于图像去噪问题的示例代码,其中我使用随机作物加性噪声来动态生成干净且嘈杂的图像对 . 您可以轻松修改此选项以添加其他类型的扩充 . 之后,您可以使用Model.fit_generator来训练使用这些方法 .
然后您可以使用以上内容:
是的你可以 . 这里是's an example from Keras'的文档 . 你将两个用相同种子播种的发生器和fit_generator压缩在一起 . https://keras.io/preprocessing/image/