합성곱 신경망 데이터 증강(ImageDataGenerator 사용하기)

tf.keras.preprocessing.image.ImageDataGenerator

이미지 데이터를 읽고 신경망에 적합한 입력이 되도록 가공시켜주는 클래스

1. 사진 파일을 읽음
2. JPEG 콘텐츠를 RGB 픽셀값으로 디코딩
3. 그다음 부동 소수 타입의 텐서로 변환함
4. 픽셀값(0에서 255 사이)의 스케일을 [0, 1] 사이로 조정함(신경망은 작은 입력값을 선호함)

ImageDataGenerator

# 케라스로 ImageDataGenerator 클래스 함수를 실행하고
# rescale 옵션을 지정해 이미지 각 픽셀의 값을 0~1로 정규화한다.
# 생성된 제너레이터 객체를 image_gen 변수에 할당한다.

image_gen = ImageDataGenerator(rescale = (1/255.))
image_gen

flow_from_directory 함수

# flow_from_directory 함수로 폴더에서 이미지를 가져와 제너레이터 객체로 정리
train_dir = './dataset/cat_and_dog/training_set'
valid_dir = './dataset/cat_and_dog/test_set'

train_gen = image_gen.flow_from_directory(train_dir,
                                        batch_size = 32,
                                        target_size = ['cats', 'dogs'],
                                        classes = ['cats', 'dogs'],
                                        class_mode = 'binary',
                                        seed = 2020
                                        )
valid_gen = image.gen.flow_from_directory(valid_dir,
                                        batch_size = 32,
                                        target_size = (224, 224),
                                        classes = ['cats', 'dogs'],
                                        class_mode = 'binary',
                                        seed = 2020)

CNN 모델 구현 ver2.0 - 데이터 증강

이미지 데이터 제너레이터 정의(Augmentation 적용)

image_gen_aug = ImageDataGenerator(rescale = 1/255,
                                    horizontal_flip = True,
                                    rotation_range = 30,
                                    shear_range = 0.15,
                                    zoom_range = 0.3)