如何将数据增强应用于数据集[关闭]答案

【问题标题】：How to apply data augmentation to a dataset [closed]如何将数据增强应用于数据集[关闭]
【发布时间】：2021-02-08 21:24:34
【问题描述】：

我有一个非常小的数据集，我需要进行数据扩充。我正在使用 Keras，但我无法理解这种方法如何帮助我。

我看了一些教程，他们建议在模型中添加层来进行数据增强。

 data_augmentation = tf.keras.Sequential([
    layers.experimental.preprocessing.RandomFlip("horizontal_and_vertical"),
    layers.experimental.preprocessing.RandomRotation(0.2), 
 ])

 model = Sequential()#add model layers
 model.add(data_augmentation)
 ....

我的问题是：数据增强如何帮助我处理一个小数据集，如果我传递给 model.fit 我的数据集中包含的 N 个图像，这些图像只会被翻转或旋转，我不会有两个相似的图像：例如，一个原始图像和一个翻转的图像。

我应该先保存增强后的图像吗？

在我的代码中，我遵循本教程选项 1 https://www.tensorflow.org/tutorials/images/data_augmentation

【问题讨论】：

我投票结束这个问题，因为它不是关于 help center 中定义的编程，而是关于 ML 方法。
请看machine-learningtag info中的介绍和注意。

标签： tensorflow machine-learning keras image-recognition data-augmentation

【解决方案1】：

在训练过程中，没有增强的模型会处理数据集中的图像。当您添加增强时，会随机选择输入图像以转换为不同的图像并用作模型的输入。例如，如果您有一张猫图像并且它被随机选择为水平翻转，那么模型有时会在图像不翻转的情况下进行训练，有时在图像翻转的情况下进行训练。因此，您的模型会看到更广泛的输入图像分布。可以使用 ImageDataGenerator.flow 或 ImageDataGenerator.flow_from_directory 存储转换后的图像。文档是here.。然后可以将保存的转换图像添加到输入数据集中。

【讨论】：