如何将random_crop图像裁剪操作整合进Keras的fit_generator训练流程中？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1361个文字，预计阅读时间需要6分钟。
使用Keras进行前端网络编写时，由于训练图像尺寸较大，需要使用tf.random_crop对图像进行裁剪操作。为此，Keras已经封装了相应的API。数据增强（Data Augmentation）或数据扩充是指通过一系列技术扩展数据集，提高模型的泛化能力。例如，可以使用以下API进行数据增强：`ImageDataGenerator`。
使用Keras作前端写网络时，由于训练图像尺寸较大，需要做类似 tf.random_crop 图像裁剪操作。
为此研究了一番Keras下已封装的API。
Data Augmentation（数据扩充）
Data Aumentation 指使用下面或其他方法增加输入数据量。我们默认图像数据。
本文共计1361个文字，预计阅读时间需要6分钟。
使用Keras进行前端网络编写时，由于训练图像尺寸较大，需要使用tf.random_crop对图像进行裁剪操作。为此，Keras已经封装了相应的API。数据增强（Data Augmentation）或数据扩充是指通过一系列技术扩展数据集，提高模型的泛化能力。例如，可以使用以下API进行数据增强：`ImageDataGenerator`。
使用Keras作前端写网络时，由于训练图像尺寸较大，需要做类似 tf.random_crop 图像裁剪操作。
为此研究了一番Keras下已封装的API。
Data Augmentation（数据扩充）
Data Aumentation 指使用下面或其他方法增加输入数据量。我们默认图像数据。