问题描述
我正在使用Keras的“ ImageDataGenerator”类进行数据增强。由于图像具有相关对象的边界框，因此我想在增强图像之前将图像裁剪到相关部分。该类的参数中有一个名为“ preprocessing_function”的参数，并允许我们在扩展和调整大小后实现所需的功能。我要求这相反。首先，让函数运行，然后进行扩充。如何将其实现为代码？
tf.keras.preprocessing.image.ImageDataGenerator(
featurewise_center=False,samplewise_center=False,featurewise_std_normalization=False,samplewise_std_normalization=False,zca_whitening=False,zca_epsilon=1e-06,rotation_range=0,width_shift_range=0.0,height_shift_range=0.0,brightness_range=None,shear_range=0.0,zoom_range=0.0,channel_shift_range=0.0,fill_mode="nearest",cval=0.0,horizontal_flip=False,vertical_flip=False,rescale=None,preprocessing_function=None,data_format=None,validation_split=0.0,dtype=None,)
preprocessing_function：将应用于每个输入的函数。该功能将在调整图像大小和扩大后运行。该函数应采用一个参数：一张图像（秩为3的Numpy张量），并输出具有相同形状的Numpy张量。
解决方法
Keras团队成员说ImageDataGenerator类是旧的。他们建议我使用转换层。培训期间可以随时使用它们。
转换层用法示例：Keras Transformation layers example page
Github问题（已关闭）：GitHub Issues