用tensorflow进行数据增强_基于tensorflow的在线数据增强-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_57175342/article/details/121011366

本文介绍了在深度学习中，为防止过拟合并提高训练准确性，如何使用TensorFlow进行快速的数据增强。作者分享了自己编写的代码，该代码能够对图片进行对比度、亮度调整和噪声添加等操作，生成新的训练样本，并相应更新JSON文件中的标签信息，从而有效增加数据集的规模。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习数据增强@TOC

用tensorflow进行数据增强

这几天跑代码，数据量不多，为了防止过拟合和加强训练准确度，就想着做一些图片的数据增强，在网上找了一些代码，能实现功能但是巨慢，甚至比我深度学习训练都慢，昨天花了一点时间写了一个基于tensorflow的，就很快，记录分享一下。

我的这个是用于深度学习的，所以里面包含了json文件的修改，实现的功能很简单，就是同一张图片调对比度，调亮度，加噪声之类的多生成几张图片，修改原始图片json文件中的文件名得到衍生图片的对应标签，这样数据量就能快速增加。

import json
import os, sys
import cv2
import tensorflow as tf
from PIL import Image
import PIL
import matplotlib.pyplot as plt

def get_json_data(json_path,img_path):
    with open(json_path, 'rb')as f:
        params = json.load(f)
        # 加载json文件中的内容给params
        params['imagePath'] = img_path  # 这两行控制修改的内容 时间有限就写的很草率
        dict = params
        # 将修改后的内容保存在dict中
        f.close()
        # 关闭json读模式
        return dict
# 返回dict字典内容
def write_json_data(dict):
    # 写入json文件
    with open(json_path1, 'w')as r:
        # 定义为写模式，名称定义为r
        json.dump(dict, r, indent=2)  # indent控制间隔
        # 将dict写入名称为r的文件中
        r.close()
# 关闭json写模式

# 图片文件夹路径
file_dir = r'D:/Desktop/sudo/images/'  #保存图片的文件夹
json_dir = r'D:/Desktop/sudo/jsons/'   #保存json文件的文件夹

for img_name in os.listdir(file_dir):
    img_path = file_dir + img_name
    json_path = json_dir + img_name.strip('jpg'