基于tensorflow的高级测试和训练时间数据扩充
据我所知,tf不包括torch中的数据增强,例如基于tensorflow的高级测试和训练时间数据扩充,tensorflow,keras,Tensorflow,Keras,据我所知,tf不包括torch中的数据增强,例如torchvision.transforms.FiveCrop和torchvision.transforms.TenCrop。实现并将其连接到培训和测试过程的有效方法是什么。在tensorflow中实现数据增强的方法有多种: 在培训期间,对象检测API会自动为您执行此操作: tf.keras ImageDataGenerator允许您在培训期间应用数据增强。更具体地说,允许您控制亮度、旋转、剪切、移动、缩放、重缩放等。您可以在此处查看有关图像数
torchvision.transforms.FiveCrop
和torchvision.transforms.TenCrop
。实现并将其连接到培训和测试过程的有效方法是什么。在tensorflow中实现数据增强的方法有多种:
tf.keras ImageDataGenerator
允许您在培训期间应用数据增强。更具体地说,允许您控制亮度、旋转、剪切、移动、缩放、重缩放等。您可以在此处查看有关图像数据生成器的更多信息:
预处理\u函数中。这样,您就可以添加任何可以想到的数据扩充。例如,ImageDataGenerator
lucks可以调整图像的对比度。在这种情况下,您可以自己实现它。我发现了这个存储库,它展示了如何在OpenCV&Numpy中实现大量增强:
您可以在
tf.image
模块中找到一些有用的方法来执行增强。请参阅。有些函数类似于tf.image.crop\u和\u resize
tf.image.center\u crop
,但它们的工作方式不同于FiveCrop
或TenCrop
@ShubhamPanchal