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

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据生成器的更多信息：

我喜欢做的另一件事是创建一个实现我自己的数据扩充技术的函数。然后，将其传递到ImageDataGenerator的

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