使用 Tensorflow 进行图像增强，因此所有类都具有完全相同数量的图像

问题描述

我想做动物分类的多类图像分类。问题是我的数据集每个类都有不同数量的图像，而且差异非常大。例如：

在本例中，数据集包含 3 个类别的 320 张图像。 A类有125张图片，B类有170张图片，C类只有25张图片，我希望增加这些类因此，每个类别将有 200 张图像，这意味着 600 张图像均匀分布到这 3 个类别。

但是，就我而言，我的数据集中有 60 个类。我怎样才能增加所有这些，以便他们拥有完全相同的所有类的图像数量？

解决方法

这需要大量编码，但您可以使用 ImageDataGenerator 生成增强图像并将它们存储在指定目录中。生成器的文档是 here. 或者，您可以使用像 cv2 或 PIL 这样的模块来提供转换图像的功能。以下是您可以与 cv2 一起使用的代码。请注意查找 cv2 文档以了解如何指定代码注释中所述的图像转换。代码如下

import os
import cv2
file_number =130 # set this to the number of files you want
sdir=r'C:\Temp\dummydogs\train' # set this to the main directory that contains yor class directories
slist=os.listdir(sdir)
for klass in slist:
    class_path=os.path.join(sdir,klass)
    filelist=os.listdir(class_path)
    file_count=len(filelist)
    if file_count > file_number:
        # delete files from the klass directory because you have more than you need
        delta=file_count-file_number
        for i in range(delta):
            file=filelist[i]
            fpath=os.path.join (class_path,file)
            os.remove(fpath)
    else:
        # need to add files to this klass so do augmentation using cv3 image transforms
        label='-aug' # set this to a string that will be part of the augmented images file name 
        delta=file_number-file_count
        for i in range(delta):
            file=filelist[i]
            file_split=os.path.split(file)
            index=file_split[1].rfind('.')
            fname=file[:index]
            ext=file[index:]
            fnew_name=fname + '-' +str(i) +'-' + label + ext
            fpath=os.path.join(class_path,file)
            img=cv2.imread(fpath)
            img= cv2.cvtColor(img,cv2.COLOR_BGR2RGB) 
            # look up cv2 documentation and apply image transformation code here
            dest_path=os.path.join(class_path,fnew_name)
            cv2.imwrite(dest_path,img)