keras数据扩充

我知道，

ImageDataGenerator

为每个输入图像生成一个随机增强的图像。现在，我想为每个输入图像生成两个增强图像：

datagen = tf.keras.preprocessing.image.ImageDataGenerator(
        rotation_range=40,
        width_shift_range=0.2,
        height_shift_range=0.2,
        shear_range=0.2,
        zoom_range=0.2,
        horizontal_flip=True,
        fill_mode='nearest')
train_ds = datagen.flow_from_directory('/home/train/')

为了进一步解释，我想在同一幅图像上应用两个不同的增强函数，也就是说，如果我们对5幅图像进行采样，我们最终会得到2×5=10个增强观测值

---

那么我如何继续呢？

我建议创建一个从tf.keras.utils.Sequence继承的自定义数据生成器。有很多方法可以做到这一点，但这应该符合您所寻找的内容：

class double_aug_generator(tf.keras.utils.Sequence):
    def __init__(self, x, y, batch_size, aug_params1, aug_params2):
        self.x, self.y = x, y
        self.batch_size = batch_size
        self.datagen = tf.keras.preprocessing.image.ImageDataGenerator(**aug_params1)
        
        // dictionary of parameters for the second augmentation
        self.aug_params2 = aug_params2

    def __len__(self):
        return math.ceil(len(self.x) / self.batch_size)
    
    def load(self, file_names):
        // load and return raw images however you like

    def __getitem__(self, idx):
        batch_x = self.x[idx * self.batch_size:(idx + 1) *
        self.batch_size]
        batch_y = self.y[idx * self.batch_size:(idx + 1) *
        self.batch_size]
        
        // load images
        batch_x = self.load(batch_x)
        
        // apply first augmentation
        batch_x = self.datagen.flow(batch_x)
        
        // apply second
        batch_x = self.datagen.apply_transform(batch_x, self.aug_params2)
        
        return batch_x, np.array(batch_y)