溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹tensorflow圖像裁剪后如何實現數據增強，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！
我就廢話不多說了，大家還是直接看代碼吧~
#!/usr/bin/env python
# encoding: utf-8
'''
@author: lele Ye
@contact: 1750112338@qq.com
@software: pycharm 2018.2
@file: 13mnist.py
@time: 2018/12/17 10:23
@desc:
'''
import tensorflow as tf
import scipy.misc
import matplotlib.pyplot as plt
import random
# 讀取圖像可任意大小
filenames = ['./tianchi.jpg']
# 創建文件讀取隊列
filename_queue = tf.train.string_input_producer(filenames)
# 一個閱讀器，讀取整個文件，返回文件名稱key,以及文件中所有的內容value
reader = tf.WholeFileReader()
# Returns the next record (key, value) pair produced by a reader
key, value = reader.read(filename_queue)
images = tf.image.decode_jpeg(value) # tf.image.decode_png(value)
target_width = target_height = 224
# 裁切圖片
with tf.Session() as sess:
# Coordinator的使用，用于多線程的協調
coord = tf.train.Coordinator()
# 啟動所有graph收集到的隊列運行器(queuerunners)
threads = tf.train.start_queue_runners(coord=coord)
height,width,channels = sess.run(tf.shape(images))
offset_height = random.randint(0,height-target_height)
offset_width = random.randint(0,width-target_width)
reshapeimg = tf.image.crop_to_bounding_box(images, offset_height=offset_height, offset_width=offset_width,
target_height=target_height,target_width=target_width)
print(type(reshapeimg)) # <class 'tensorflow.python.framework.ops.Tensor'>
reimg1 = reshapeimg.eval() # reimg1的類型是<class 'numpy.ndarray'>
scipy.misc.imsave('./crop.jpg', reimg1)
plt.imshow(reimg1)
plt.axis("off")
plt.show()
# 請求線程結束
coord.request_stop()
# 等待線程終止
coord.join(threads)原始圖像480x320x3：
裁剪后224x224x3：
補充知識：Tensorflow 圖像增強（ImageDataGenerator）
當我們訓練一個較為復雜的網絡，并且我們的訓練數據集有限時，網絡十分容易陷入過擬合的狀態。
解決這個問題的一個可能的有效方法是：進行數據增強，即通過已有的有限的數據集，通過圖像處理等方法（旋轉，剪切，縮放…），獲得更多的，類似的，多樣化的數據。
數據增強處理，不會占用更多的存儲空間，即在數據增強過程中，原始的數據不會被修改，所有的處理過程都是在內存中 即時（on-the-fly） 的處理。
注意：
數據增強不一定是萬能藥（雖然數據多了），數據增強提高了原始數據的隨機性，但是若 測試集或應用場景 并不具有這樣的隨機性，那么它將不會起到作用，還會增加訓練所需的時間。
使用方法：
train_datagen = ImageDataGenerator(
rescale=1./255, #數據值除以255，[0-255] ->[0,1]
shear_range=0.2, #剪切強度（逆時針方向的剪切角度，以度為單位）
zoom_range=0.2, #隨機縮放范圍
horizontal_flip=True) #水平翻轉
test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(
'data/train',
target_size=(150, 150),
batch_size=32,
class_mode='binary')
validation_generator = test_datagen.flow_from_directory(
'data/validation',
target_size=(150, 150),
batch_size=32,
class_mode='binary')
model.fit_generator(
train_generator,
steps_per_epoch=2000,
epochs=50,
validation_data=validation_generator,
validation_steps=800)以上是tensorflow圖像裁剪后如何實現數據增強的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
