问题描述
我的实验图像数据极少。我的数据集中每个类只有 40 张图像。所以我想使用下面的 ImageDataGenerator
来扩充所有的训练、验证和测试集:
train_datagen = ImageDataGenerator(
horizontal_flip=True,shear_range=0.2,zoom_range=0.2,rescale=1/255.,)
val_datagen = ImageDataGenerator(
horizontal_flip=True,)
test_datagen = ImageDataGenerator(
horizontal_flip=True,)
我将它们与 flow_from_directory
函数一起使用,在模型训练中使用训练和验证生成器,但验证数据似乎没有增加(验证集中的图像数量似乎与初始数量没有变化)。不知何故,这也发生在测试集中。我在使用 sklearn 的 classification_report
评估模型时发现了这一点。结果的support
列中显示的数量与增强前测试集中的图像数量完全相同。
precision recall f1-score support
Blue Whale 1.00 1.00 1.00 4
Killer Whale 1.00 0.75 0.60 4
Shark 0.50 0.75 0.75 4
accuracy 0.90 12
macro avg 0.83 0.83 0.78 12
weighted avg 0.83 0.83 0.78 12
如何使用 Tensorflow 生成器来扩充验证和测试集?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)