Trainingsdaten aufblasen [Image Date Generator] from keras.preprocessing.image import load_img,img_to_array,ImageDataGenerator, array_to_img # import matplotlib.pyplot as plt from keras_preprocessing.image import list_pictures import os from PIL import Image

---- Zu klassifizierende Klasse ---

Klassen = ["Hund", "Katze", "Vogel"]

---- Bildgröße einstellen ----

img_width, img_height = 1600, 1200

---- Verzeichnisdefinition ----

DATA_DIR = [""] * len(classes)
SAVE_DIR = [""] * len(classes)
for i in range(len(classes)):
    DATA_DIR[i] = 'input/' + classes[i]

SAVE_DIR [i] = os.path.join ('output /', classes [i]) # Verzeichnis, in dem das generierte Bild gespeichert wird if not os.path.exists(SAVE_DIR[i]): os.makedirs(SAVE_DIR[i])

Bild laden (Bild im PIL-Format)

# img = load_img(IMAGE_FILE)

Einfügen

# plt.imshow(img)

Drehung: -15 ~ 15

Vertikale Parallelbewegung: -0,8 ~ 1,2% Bewegung

Parallelbewegung von links nach rechts: Bewegung von -0,8 bis 1,2%

#Scherung: Scherung bei -5 bis 5 Grad

Vergrößerung / Verkleinerung: Vergrößerung / Verkleinerung um 0,8 ~ 1,2%

Helligkeitsänderung: Addieren Sie einen Wert zum Pixelwert im Bereich von -5,0 bis 5,0

Wert zu jedem Pixelwert hinzufügen: Ändern Sie den Wert im Bereich von 0,3 bis 1,0

datagen = ImageDataGenerator(
    rotation_range=15,
    height_shift_range=0.2,
    width_shift_range=0.2,
    shear_range=5,
    zoom_range=0.2,
   channel_shift_range=5,
   brightness_range=[0.3, 1.0]
)

for i in range(len(classes)):
    for picture in list_pictures(DATA_DIR[i]):
        img = img_to_array(load_img(picture, target_size=(img_height, img_width)))

In # numpy Array konvertieren x = img_to_array(img)

In 4-dimensionales Array konvertieren

        # x = np.expand_dims(x, axis=0)
        x = x.reshape((1,) + x.shape)

        # print(x.shape)

        g = datagen.flow(x, batch_size=1, save_to_dir=SAVE_DIR[i], save_prefix='out', save_format='jpg')
        for j in range(3):
            batches = g.next()

(1, vertikale Größe, horizontale Größe, Anzahl der Kanäle)

            # print(batches.shape)

#Um als Bild anzuzeigen, wechseln Sie von 4D- zu 3D-Daten und von einem Array zu einem Bild. gen_img = array_to_img(batches[0])

            # plt.subplot(8, 8, i + 1)
            # plt.imshow(gen_img)
            # plt.axis('off')

[PYTHON] Trainingsdaten aufblasen [Image Date Generator]