Deep learning Keras图像增强-为图像宽度/高度偏移范围指定多个值

我正在使用Keras数据增强进行图像分类。我想为宽度移位范围和高度移位范围指定多个值。例如，我希望在一次培训课程中使用多个移位范围值（如0.2、0.4、0.6）来增强图像。有没有办法做到这一点

---

提前感谢您的帮助。

您不需要为

宽度\u移位\u范围

（分别为

高度\u移位\u范围

）指定多个值。它基本上做的是从间隔

[-width\u shift\u range，width\u shift\u range]

（resp.

[-height\u shift\u range，height\u shift\u range]

）中的均匀分布中抽取一个随机数

x

），并应用图像的平移，平移与

x

乘以相应的图像宽度成比例（分别为高度）

下面是来自以下位置的

random\u shift

函数：

---

结论：取最大值，因为您将在区间[-x，x]中绘制，如果您希望偏移量在0.2、0.4和0.6范围内变化，只需使用0.6。

您不需要为

宽度偏移量范围

指定多个值（分别为

高度偏移量范围

）它基本上是从区间的均匀分布中抽取一个随机数

x

。

[-width\u shift\u range，width\u shift\u range]

（分别是

[-height\u shift\u range，height\u shift\u range]

），并对图像进行平移，平移比例为

x

乘以相应的图像宽度（分别为高度）

下面是来自以下位置的

random\u shift

函数：

结论：取最大值，因为您将在区间[-x，x]中绘制，如果希望偏移量在0.2、0.4和0.6范围内变化，请使用0.6

def random_shift(x, wrg, hrg, row_axis=1, col_axis=2, channel_axis=0,
                 fill_mode='nearest', cval=0.):

    # wrg: Width shift range, as a float fraction of the width.
    # hrg: Height shift range, as a float fraction of the height.

    h, w = x.shape[row_axis], x.shape[col_axis]
    tx = np.random.uniform(-hrg, hrg) * h
    ty = np.random.uniform(-wrg, wrg) * w
    translation_matrix = np.array([[1, 0, tx],
                                   [0, 1, ty],
                                   [0, 0, 1]])

    transform_matrix = translation_matrix  # no need to do offset
    x = apply_transform(x, transform_matrix, channel_axis, fill_mode, cval)
    return x