使用 SMOTE 对图像数据进行过采样

我正在使用 CNN 进行二元分类，数据不平衡，其中正医学图像：负医学图像 = 0.4：0.6。所以我想在训练前使用SMOTE对正医学图像数据进行过采样。 但是，数据的维度是 4D (761,64,64,3)，这会导致错误

Found array with dim 4. Estimator expected <= 2

所以，我重塑了我的 train_data：

X_res, y_res = smote.fit_sample(X_train.reshape(X_train.shape[0], -1), y_train.ravel())

而且效果很好。在将其输入 CNN 之前，我通过以下方式将其重塑：

X_res = X_res.reshape(X_res.shape[0], 64, 64, 3)

现在，我不确定这是否是过采样的正确方法，并且重塑运算符是否会更改图像的结构？

我有类似的问题。我使用了重塑功能来重塑图像（基本上使图像变平）

X_train.shape
(8000, 250, 250, 3)

ReX_train = X_train.reshape(8000, 250 * 250 * 3)
ReX_train.shape
(8000, 187500)

smt = SMOTE()
Xs_train, ys_train = smt.fit_sample(ReX_train, y_train)

虽然这种方法速度慢得可怜，但有助于提高性能。