每个时期应用不同的数据增强

问题描述

我刚刚阅读了一篇论文，该论文表明，当在每个时期应用特定数据转换时，准确性会提高。由于其参数是随机生成的，因此其想法是在每个时期的转换都会以某种方式略有不同。

更准确地说，我有一个 CNN 可以对图像进行二元分类。我的数据转换函数创建了一个掩码，使某些图像中的某些随机像素无效。目标是让算法通过强迫自己查看图像的不同部分来学习。

datagen = ImageDataGenerator(rotation_range=0.3,horizontal_flip=True,fill_mode='nearest',rescale = 1./255,preprocessing_function=random_mask)

我希望这个掩码在每个时期都不同，这样在每次新的迭代中，我的算法都会从我的批次中学习不同版本的图像。

当我运行我的 CNN 时，我调用以下代码：

history = model.fit(X_train,y_train,batch_size=32,epochs=epochs,steps_per_epoch=len(X_train)/batch_size,callbacks=[reduce_lr,model_chkpoint],validation_data=(X_test,y_test),class_weight=classWeight)

其中 X_train 和 y_train 只是两个包含图像像素及其相应标签的 numpy 数组。

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@）