如何同时对 X_train 和 y_train 应用增强答案

【问题标题】：How to simultaneously apply augmentation to X_train and y_train如何同时对 X_train 和 y_train 应用增强
【发布时间】：2020-01-19 15:24:38
【问题描述】：

我正面临从很少的图像创建数据集的问题。

输入 (X_train) 和输出 (y_train) 都包含 (28x28) 大小的图像，例如 MNIST。例如在我的代码中：

(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.reshape((X_train.shape[0], 28, 28, 1))
X_train = X_train.astype('float32')
y_train=X_train

datagen = ImageDataGenerator(zca_whitening=True)

我怎样才能将这个 datagen 同时适合 X_train 和 y_train 并将它们保存在数据集数组中。不想将其传递给培训。

感谢您的帮助

【问题讨论】：

为什么需要增加 y_train？假设你正在做某种二元/多类分类，那么增加你的真实标签的目的是什么？
我有输入 x_train 散焦图像（从实验中获得）和输出 y_train（聚焦图像）。由于我的数据有限，我想增加我的数据集。因此，当我对输入应用效果时，我也必须对输出这样做。

标签： python tensorflow image-processing keras deep-learning

【解决方案1】：

请注意，增强本身并未应用于目标变量y_train，而仅应用于输入变量X_train。生成器只会为新生成的X 重现相同的真实标签y。

因此拟合生成器仅使用X_train:

datagen.fit(X_train)

如果您不想将增强后的数据传递给训练，您可以在拟合后循环生成器以获取生成的样本：

for X_batch, y_batch in datagen.flow(X_train, y_train, batch_size=32):
# Do whatever you want with the generated X_batch and y_batch.

我知道这是你愿意做的。请参阅keras doc 上的示例。

【讨论】：

就像我提到的，我想对 X_train 和 y_train 应用增强。我怎样才能做到这一点。我的输入 x_train 是一组散焦图像（从实验中获得）和输出 y_train= 聚焦图像。我想乘以我的数据集，为此，当我增加时，我对 x_train 应用的效果需要应用于 y_train
我会说 keras 做不到。另一种选择是使用scikit-image.transform 生成新图像，对X_train 和y_train 使用相同的转换。