如何使用 Python 对图像数据集进行过采样？

Posted 2023-03-12

【中文标题】如何使用 Python 对图像数据集进行过采样？

【英文标题】：How to oversample image dataset using Python?

【发布时间】：2018-07-09 23:12:40

【问题描述】：

我正在处理具有不平衡图像数据集（不同类别）的多类分类问题。我尝试了imblearn 库，但它不适用于图像数据集。

我有一个属于 3 类的图像数据集，即 A、B、C。 A 有 1000 个数据，B 有 300 个，C 有 100 个。我想对 B 类和 C 类进行过采样，这样可以避免数据不平衡。请告诉我如何使用 python 对图像数据集进行过采样。

【问题讨论】：

欢迎来到 ***。请阅读并遵循帮助文档中的发布指南。 on topic 和 how to ask 在这里申请。特别要详细说明您的尝试（“我尝试过 imblearn 库”过于笼统）以及出了什么问题（“它不工作”不是问题规范）。当我们不知道您必须完成什么、您做了什么以及出了什么问题时，我们就无法解决问题。 Minimal, complete, verifiable example 适用于此。

感谢@Prune 让我知道指南。您能否让我知道如何对图像数据进行过采样。我有一个属于 3 类的图像数据集，即 A、B、C。 A 有 1000 个数据，B 有 300 个，C 有 100 个。我想对 B 类和 C 类进行过采样。这样可以避免数据不平衡。请告诉我。再次感谢您尝试帮助我。

【参考方案1】：

感谢您的澄清。通常，您不要使用 Python 进行过度采样。相反，您预处理您的数据库，复制人手不足的类。在您引用的情况下，您可能会复制 B 类中的所有内容，并将 C 类中的所有内容复制 5 份。这为您提供了 1000:600:500 的新平衡，可能更适合您的训练程序。您现在将 2100 张随机播放，而不是原来的 1400 张图片。

这能解决你的问题吗？

【参考方案2】：

实际上，imblearn.over_sampling 似乎只对 2d dims 输入重新采样。因此，通过此库对图像数据集进行过采样的一种方法是与它一起使用重塑，您可以：

重塑您的图像 过采样 再次将新数据集重塑为 第一个暗淡

假设您有一个size (5000, 28, 28, 3) and dtype of nd.array 的图像数据集，按照上述说明，您可以使用以下解决方案：

# X : current_dataset
# y : labels

from imblearn.over_sampling import RandomOverSampler
reshaped_X = X.reshape(X.shape[0],-1)

#oversampling
oversample = RandomOverSampler()
oversampled_X, oversampled_y  = oversample.fit_resample(reshaped_X , y)

# reshaping X back to the first dims
new_X = oversampled_X.reshape(-1,28,28,3)

希望对您有所帮助！