图像分割（2）：小数据集的数据扩充

最新推荐文章于 2025-11-02 22:44:09 发布

原创

最新推荐文章于 2025-11-02 22:44:09 发布 · 1.9k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #计算机视觉 #python

本文介绍了一种基于Keras的图像增强方法，通过随机变换训练数据，如旋转、平移、翻转等，有效避免了模型过拟合，提高了模型的泛化能力。文章详细展示了如何使用ImageDataGenerator类进行数据扩增，并提供了完整的代码实例。

为了尽量利用我们有限的训练数据，我们将通过一系列随机变换对数据进行提升，这样我们的模型将看不到任何两张完全相同的图片，这有利于我们抑制过拟合，使得模型的泛化能力更好。

在Keras中，这个步骤可以通过keras.preprocessing.image.ImageDataGenerator来实现。
ImageDataGenerator class

keras.preprocessing.image.ImageDataGenerator(
    featurewise_center=False, 
    samplewise_center=False, 
    featurewise_std_normalization=False, 
    samplewise_std_normalization=False, 
    zca_whitening=False, 
    zca_epsilon=1e-06, 
    rotation_range=0, 
    width_shift_range=0.0, 
    height_shift_range=0.0, 
    brightness_range=None, 
    shear_range=0.0, 
    zoom_range=0.0, 
    channel_shift_range=0.0, 
    fill_mode='nearest', 
    cval=0.0, 
    horizontal_flip=False, 
    vertical_flip=False, 
    rescale=None, 
    preprocessing_function=None, 
    data_format=None, 
    validation_split=0.0, dtype=None)

具体的代码如下：

class myAugmentation(object):
    """
    一个用于图像增强的类：
    首先：分别读取训练的图片和标签，然后将图片和标签合并用于下一个阶段使用
    然后：使用Keras的预处理来增强图像
    最后：将增强后的图片分解开，分为训练图片和训练标签
    """

    def __init__(self, train_path="../deform/train", label_path="../deform/label", merge_path="../DataGen/merge", aug_merge_path="../DataGen/aug_merge",
                 aug_train_path="../DataGen/aug_train", aug_label_path="../DataGen/aug_label")