keras图像预处理不平衡数据

All,

我正在尝试使用 Keras 对两个类进行图像分类。对于一个类，我的图像数量非常有限，比如 500。至于另一类，我的图像数量几乎是无限的。那么如果我想使用keras图像预处理，该怎么做呢？理想情况下，我需要这样的东西。对于第一类，我提供 500 个图像并使用 ImageDataGenerator 来获取更多图像。对于第二类，每次我从 1000000 个图像数据集中依次提取 500 个图像，并且可能不需要数据增强。一边看着这个例子 https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html这里还有Keras 文档 https://keras.io/preprocessing/image/，我发现默认情况下训练文件夹包含每个类别相同数量的图像。所以我的问题是，是否有现有的 API 可以实现这个技巧？如果是这样，请向我指出。如果没有，有什么解决方法可以满足这个需求吗？

你有一些选择。

Option 1

Use the class_weightfit() 函数的参数是一个将类映射到权重值的字典。假设您有 500 个 0 类样本和 1500 个 1 类样本，而不是您输入的样本class_weight = {0:3 , 1:1}。这使得 0 类的权重是 1 类的三倍。

train_generator.classes为您的权重提供正确的类名称。

如果您想以编程方式计算此值，则可以使用 scikit-learnsklearn.utils.compute_class_weight(): https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/class_weight.py https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/class_weight.py

该函数查看标签的分布并生成权重，以同等地惩罚训练集中代表性不足或过多的类别。

另请参阅此处的这个有用的线程：https://github.com/fchollet/keras/issues/1875 https://github.com/fchollet/keras/issues/1875

该线程也可能有帮助：是否可以在 Keras 中自动从 flow_from_directory 推断出 class_weight ？ https://stackoverflow.com/questions/42586475/is-it-possible-to-automatically-infer-the-class-weight-from-flow-from-directory

Option 2

您使用带有生成器的虚拟训练运行，在其中应用图像增强（如旋转、缩放、裁剪、翻转等），并保存增强图像以供稍后的真实训练。通过这种方式，您可以为代表性不足的类别创建更大甚至平衡的数据集。

在这个虚拟运行中你设置save_to_dir in the flow_from_directory将函数复制到您选择的文件夹中，然后仅从您需要更多样本的类中获取图像。显然，您会丢弃任何训练结果，因为您仅使用此运行来获取更多数据。