Keras图像增强:如何选择"每个步骤的步骤"参数并在训练期间包括特定的增强？

Question

我正在使用Keras训练图像分类CNN.使用该ImageDataGenerator功能,我将一些随机变换应用于训练图像(例如旋转,剪切,缩放).我的理解是,这些转换在传递给模型之前随机应用于每个图像.

但有些事情我不清楚:

1)如何在训练时确保包含图像的特定旋转(例如90°,180°,270°).

2)steps_per_epoch参数model.fit_generator应设置为数据集的唯一样本数除以flow_from_directory方法中定义的批量大小.当使用上述图像增强方法时,这是否仍然适用,因为它们增加了训练图像的数量？

谢谢,马里奥

Answer 1

前段时间我向自己提出了同样的问题，我认为可能的解释如下：

考虑这个例子：

    aug = ImageDataGenerator(rotation_range=90, width_shift_range=0.1, 
                             height_shift_range=0.1, shear_range=0.2, 
                             zoom_range=0.2, horizontal_flip=True, 
                             fill_mode="nearest")

对于问题1）：我指定rotation_range = 90，这意味着当您流动（检索）数据时，生成器将随机旋转图像0到90度之间的度数。您无法指定精确的角度，因为这就是 ImageDataGenerator 的作用：随机生成旋转。关于你的第二个问题也很重要。

对于问题2）：是的，它仍然适用于数据增强方法。一开始我也很困惑。原因是，由于图像是随机生成的，对于每个时期，网络看到的图像都与前一个时期的图像不同。这就是数据被“增强”的原因——增强不是在一个时期内完成的，而是在整个训练过程中完成的。然而，我看到其他人指定了原始steps_per_epoch的2x值。

希望这可以帮助