使用 Tensorflow 进行图像增强,因此所有类都具有完全相同数量的图像

Posted

技术标签:

【中文标题】使用 Tensorflow 进行图像增强,因此所有类都具有完全相同数量的图像【英文标题】:Image augmentation with Tensorflow so All classes have EXACT SAME number of images 【发布时间】:2021-07-03 07:27:21 【问题描述】:

我想为动物分类做多类图像分类。问题是我的数据集对于每个类都有不同数量的图像,并且差异非常可怕。例如:

在此示例中,数据集包含 3 个类别的 320 张图像。 A类有125张图片,B类有170张图片,C类只有25张图片,我希望增加这些类因此每个类别将有 200 张图像,这意味着 600 张图像均匀分布到这 3 个类别。

但是,就我而言,我的数据集中有 60 个类。我怎样才能增加所有这些,以便它们对所有类都有完全相同数量的图像?

【问题讨论】:

【参考方案1】:

这需要大量编码,但您可以使用 ImageDataGenerator 生成增强图像并将它们存储在指定目录中。生成器的文档是 here. 或者,您可以使用 cv2 或 PIL 等模块来提供转换图像的功能。以下是您可以与 cv2 一起使用的代码。注意查找 cv2 文档以了解如何指定代码注释中所述的图像转换。代码如下

import os
import cv2
file_number =130 # set this to the number of files you want
sdir=r'C:\Temp\dummydogs\train' # set this to the main directory that contains yor class directories
slist=os.listdir(sdir)
for klass in slist:
    class_path=os.path.join(sdir, klass)
    filelist=os.listdir(class_path)
    file_count=len(filelist)
    if file_count > file_number:
        # delete files from the klass directory because you have more than you need
        delta=file_count-file_number
        for i in range(delta):
            file=filelist[i]
            fpath=os.path.join (class_path,file)
            os.remove(fpath)
    else:
        # need to add files to this klass so do augmentation using cv3 image transforms
        label='-aug' # set this to a string that will be part of the augmented images file name 
        delta=file_number-file_count
        for i in range(delta):
            file=filelist[i]
            file_split=os.path.split(file)
            index=file_split[1].rfind('.')
            fname=file[:index]
            ext=file[index:]
            fnew_name=fname + '-' +str(i) +'-' + label + ext
            fpath=os.path.join(class_path,file)
            img=cv2.imread(fpath)
            img= cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 
            # look up cv2 documentation and apply image transformation code here
            dest_path=os.path.join(class_path, fnew_name)
            cv2.imwrite(dest_path,img)

【讨论】:

以上是关于使用 Tensorflow 进行图像增强,因此所有类都具有完全相同数量的图像的主要内容,如果未能解决你的问题,请参考以下文章

数据增强映射函数中的Tensorflow随机数

图像处理和数据增强

如何在 tensorflow tf.data.Dataset 中使用 cv2 图像增强功能?

可视化增强的火车图像 [tensorflow object detection api]

Keras `ImageDataGenerator` 图像和蒙版的增强方式不同

Tensorflow 对象检测 api:如何使用 imgaug 进行增强?