数据增强

tflearn.data_augmentation.DataAugmentation (self)

用于应用常见实时数据增强的基类。

此类旨在用作 input_data 的参数。在训练模型时，定义的增强方法将仅在训练时应用。请注意，DataPreprocessing 与 DataAugmentation 类似，但同时应用于训练时和测试时。

参数

无

图像增强

tflearn.data_augmentation.ImageAugmentation (self)

用于应用与图像相关的实时增强的基类。

此类旨在用作 input_data 的参数。在训练模型时，定义的增强方法将仅在训练时应用。请注意，ImagePreprocessing 与 ImageAugmentation 类似，但同时应用于训练时和测试时。

参数

无。

方法

add_random_90degrees_rotation (rotations=[0, 1, 2, 3])

随机执行 90 度旋转。

参数

rotations: 列表。允许的 90 度旋转。

add_random_blur (sigma_max=5.0)

通过应用具有随机 sigma (0., sigma_max) 的高斯滤波器来随机模糊图像。

参数

sigma: 浮点数 或 浮点数 列表。高斯核的标准差。高斯滤波器的标准差作为序列或单个数字给出，在这种情况下，所有轴的标准差都相等。

返回值

无。

add_random_crop (crop_shape, padding=None)

根据“crop_shape”随机裁剪图片。可以指定可选的填充，用于用 0 填充图片（以保留原始图像形状）。

示例

# Example: pictures of 32x32
imgaug = tflearn.ImageAugmentation()
# Random crop of 24x24 into a 32x32 picture => output 24x24
imgaug.add_random_crop((24, 24))
# Random crop of 32x32 with image padding of 6 (to conserve original image shape) => output 32x32
imgaug.add_random_crop((32, 32), 6)

参数

crop_shape: 整数 元组。裁剪形状（高度，宽度）。
padding: 整数。如果不是 None，则图像将填充“padding”个 0。

返回值

无。

add_random_flip_leftright (self)

随机翻转图像（从左到右）。

返回值

无。

add_random_flip_updown (self)

随机翻转图像（上下颠倒）。

返回值

无。

add_random_rotation (max_angle=20.0)

以随机角度（-max_angle，max_angle）随机旋转图像。

参数

max_angle: 浮点数。最大旋转角度。

返回值

无。