Keras中ImageDataGenerator函数的参数用法_imagedatagenerator参数资源-CSDN文库

48 浏览量 2021-01-19 23:55:15 上传评论收藏 183KB PDF 举报

资源推荐

资源详情

资源评论

Keras中中 ImageDataGenerator函数的参数用法函数的参数用法

一、一、Keras ImageDataGenerator参数参数

from keras.preprocessing.image import ImageDataGenerator

keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,

samplewise_center=False,

featurewise_std_normalization = False,

samplewise_std_normalization = False,

zca_whitening = False,

rotation_range = 0.,

width_shift_range = 0.,

height_shift_range = 0.,

shear_range = 0.,

zoom_range = 0.,

channel_shift_range = 0.,

fill_mode = 'nearest',

cval = 0.0,

horizontal_flip = False,

vertical_flip = False,

rescale = None,

preprocessing_function = None,

data_format = K.image_data_format(),

)

featurewise_center：布尔值，使输入数据集去中心化（均值为0）, 按feature执行。

samplewise_center：布尔值，使输入数据的每个样本均值为0。

featurewise_std_normalization：布尔值，将输入除以数据集的标准差以完成标准化, 按feature执行。

samplewise_std_normalization：布尔值，将输入的每个样本除以其自身的标准差。

zca_whitening：布尔值，对输入数据施加ZCA白化。

rotation_range：整数，数据提升时图片随机转动的角度。随机选择图片的角度，是一个0~180的度数，取值为0~180。在 [0,

指定角度] 范围内进行随机角度旋转。

width_shift_range：浮点数，图片宽度的某个比例，数据提升时图片随机水平偏移的幅度。

height_shift_range：浮点数，图片高度的某个比例，数据提升时图片随机竖直偏移的幅度。 height_shift_range和

width_shift_range是用来指定水平和竖直方向随机移动的程度，这是两个0~1之间的比例。

shear_range：浮点数，剪切强度（逆时针方向的剪切变换角度）。是用来进行剪切变换的程度。

zoom_range：浮点数或形如[lower,upper]的列表，随机缩放的幅度，若为浮点数，则相当于[lower,upper] = [1 – zoom_range,

1+zoom_range]。用来进行随机的放大。（后面的例子与此处说法有矛盾，感觉后边是对的？）

channel_shift_range：浮点数，随机通道偏移的幅度。

fill_mode：‘constant’，‘nearest’，‘reflect’或‘wrap’之一，当进行变换时超出边界的点将根据本参数给定的方法进行处理

cval：浮点数或整数，当fill_mode=constant时，指定要向超出边界的点填充的值。

horizontal_flip：布尔值，进行随机水平翻转。随机的对图片进行水平翻转，这个参数适用于水平翻转不影响图片语义的时

候。

vertical_flip：布尔值，进行随机竖直翻转。

rescale: 值将在执行其他处理前乘到整个图像上，我们的图像在RGB通道都是0~255的整数，这样的操作可能使图像的值过高

或过低，所以我们将这个值定为0~1之间的数。

preprocessing_function: 将被应用于每个输入的函数。该函数将在任何其他修改之前运行。该函数接受一个参数，为一张图片

（秩为3的numpy array），并且输出一个具有相同shape的numpy array

data_format：字符串，“channel_first”或“channel_last”之一，代表图像的通道维的位置。该参数是Keras 1.x中的

image_dim_ordering，“channel_last”对应原本的“tf”，“channel_first”对应原本的“th”。以128×128的RGB图像为

例，“channel_first”应将数据组织为（3,128,128），而“channel_last”应将数据组织为（128,128,3）。该参数的默认值是

~/.keras/keras.json中设置的值，若从未设置过，则为“channel_last”。

二、二、Data Aumentation（数据扩充）说明（数据扩充）说明

Data Aumentation（数据扩充）指的是在使用以下或者其他方法增加数据输入量。这里，我们特指图像数据。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

内容反馈

weixin_38526780

粉丝: 4
资源: 994

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip