Keras - Data Augmentation 이미지로 확인해보기

Keras에서 사용하는  Data Augmentation을 이미지로 출력하여 확인해봅니다.

2021. 06. 29  최초작성

rotation_range=60

0~ 60도 사이의 임의의 각도로 이미지를 회전시킵니다.

fill_mode를 nearest로 선택했기 때문에 가장자리에 있는 픽셀로 채우게 됩니다. 

 

width_shift_range=0.4

이미지 너비의 40% 이내로 이미지를 좌우로 이동시킵니다. 

 

height_shift_range=0.4

이미지 높이의 40% 이내로 이미지를 위아래로 이동시킵니다. 

shear_range=60

반시계방향으로 60도 범위내로  이미지를 찌끄러트립니다.

 

zoom_range=0.4

1-0.4배에서 1+0.4배 사이로 이미지 크기를 축소/확대합니다. 

 

horizontal_flip=True

무작위로 이미지를 수평방향으로 뒤집습니다. 

 

vertical_flip=True

무작위로 세로 방향으로 이미지를 뒤집습니다. 

 

brightness_range=[0.7,1.3]

이미지 밝기를 70%에서 130%이내에서 무작위로 조정합니다. 

 

테스트에 사용한 코드입니다. 

주석에 있는 변환을 하나씩만 풀어서 어떻게 동작하는지 확인해볼 수 있습니다. 

 

두 개 이상의 변환의 주석을 풀어주면 동시에 작용하게 됩니다. 

실제 학습에 사용시에는 이 중에 필요한 것만 풀어주거나 모두 주석을 풀어주면 됩니다. 

사용하는 데이터셋에 따라서 꼭 필요한 변환만 해야 할 수도 있습니다. 

 

from tensorflow.keras.preprocessing.image import ImageDataGenerator import numpy as np import cv2 train_datagen = ImageDataGenerator(     rotation_range=60,     # width_shift_range=0.4,     # height_shift_range=0.4,     # shear_range=60,     # zoom_range=0.4,     # horizontal_flip=True,     # vertical_flip=True,     # brightness_range=[0.7,1.3],     fill_mode='nearest'     ) train_generator1 = train_datagen.flow_from_directory(     './dataset',     target_size=(244, 244),     batch_size=1,     classes = ['cat'],     class_mode='categorical',     shuffle=True) def concat_vh(list_2d):     return cv2.vconcat([cv2.hconcat(list_h)                         for list_h in list_2d]) image_list1 = [] image_list2 = [] for i in range(9):      img_flow = next(train_generator1)[0]     img_flow = img_flow.astype('uint8')     img_flow = np.squeeze(img_flow)     img_flow = cv2.cvtColor(img_flow, cv2.COLOR_BGR2RGB)     image_list1.append(img_flow)     if (i+1) % 3 == 0 and i != 0:         image_list2.append(image_list1)         image_list1 = [] img = concat_vh(image_list2) cv2.imshow('data augmentation', img) cv2.waitKey(0)