logo标签列表

Keras图像数据生成器使用中心裁剪进行旋转和平移变换

pythontensorflowkerascropdata-augmentation
4
我需要进行数据增强，但不使用任何填充模式，如constant、reflect、nearest或wrap。相反，每次旋转或平移图像时，我希望它能够居中裁剪（如下所示），以避免出现任何黑色、白色、反射或常数边缘/边框，具体解释请参见这里。

enter image description here

如果只有这种方法且没有提供中心裁剪，则如何扩展ImageDataGenerator类，并考虑以下几点：

  1. 保留ImageDataGenerator的现有部分，除了增强部分，并编写自定义增强函数

  2. 在增强发生之前保留原始尺寸的图像而不进行调整大小会更有效率，因为中心裁剪会导致调整大小后数据巨大的损失。 平移/旋转 -> 中心裁剪 -> 调整大小应该比调整大小 -> 平移/旋转 -> 中心裁剪更有效率。

2个回答
4

如果有人正在寻找解决方案，这是我如何成功解决问题的方法。主要思路是将ImageDataGenerator包装在自定义生成器中，例如：

def crop_generator(batches, new_size):
    while True:
        batch_x, batch_y = next(batches)
        x= batch_x.shape[1] // 2
        y= batch_x.shape[2] // 2
        size = new_size // 2
        yield (batch_x[:, x-size:x+size, y-size:y+size], batch_y)

x_train = HDF5Matrix(...)
y_train = HDF5Matrix(...)

datagen = ImageDataGenerator(rotation_range=180, ...)

model = create_model()

training_gen = crop_generator(datagen.flow(x_train, y_train, batch_size=128), new_size=64)

model.fit_generator(training_gen, ...)

使用numpy索引batch_x[:, x-size:x+size, y-size:y+size, :]只改变图像的x和y维度，保持批量大小和通道维度不变。这使我们避免了使用for循环。
1
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接