딥러닝 : 이미지 데이터 증강 / Image Augmentation

텐서플로우 케라스 이미지 데이터 증강 관련 API는

https://keras.ip/api/preprocessing/image/

 

여기를 참고한다.

 

사용하는 파라미터들을 사진으로 몇 가지 표현 하면 아래 사진들과 같다.

파라미터 사용은 위 사진과같이 사용한다.

 

실제 사용 코드

 

def build_model() :
  model = Sequential()
  model.add(Conv2D(16,(3,3),activation='relu',input_shape=(150,150,3)))
  model.add(MaxPooling2D((2,2),2))
  model.add(Conv2D(32,(3,3),activation='relu'))
  model.add(MaxPooling2D((2,2),2))
  model.add(Conv2D(64,(3,3),activation='relu'))
  model.add(MaxPooling2D((2,2),2)) ## CNN

  model.add(Flatten())
  model.add(Dense(512,'relu'))
  model.add(Dense(1,'sigmoid'))
  model.compile('rmsprop','binary_crossentropy',['accuracy']) # ANN
  return model

모델링 이후

# 이미지 데이터를 증강하여 학습을 시키자.

 

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale=1/255.0,rotation_range=30,
                                   width_shift_range=0.4,
                                   height_shift_range=0.2,
                                   shear_range=0.3,
                                   zoom_range=0.5,
                                   horizontal_flip=True)
                                   
test_datagen = ImageDataGenerator(rescale=1/255.0) # 테스트용 데이터는 증강하지 않는다.