TensorFlow 기초 28 - 이미지 보강 - 이미지가 부족한 경우 기존 이미지를 변형시켜 이미지 수를 늘림

 

 

 

# 이미지 보강 - 이미지가 부족한 경우 기존 이미지를 변형시켜 이미지 수를 늘림

import tensorflow as tf
from keras.datasets import fashion_mnist
from keras.utils import to_categorical
from keras.callbacks import ModelCheckpoint, EarlyStopping
import matplotlib.pyplot as plt
import numpy as np

(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()

x_train = x_train.reshape(-1, 28, 28, 1).astype('float32') / 255
x_test = x_test.reshape(-1, 28, 28, 1).astype('float32') / 255

# print(y_train[:3])
y_train = to_categorical(y_train)
# print(y_train[:3])
y_test = to_categorical(y_test)

# plt.figure(figsize=(10, 10))
# for c in range(100):
#     plt.subplot(10, 10, c + 1)
#     plt.imshow(x_train[c].reshape(28, 28), cmap='gray')
#
# plt.show()

# 이미지 보강 연습 : x_train[0] Ankle boot
from keras.preprocessing.image import ImageDataGenerator

img_generator = ImageDataGenerator(
    rotation_range = 50,      # 이미지 회전 값
    zoom_range = 0.5,         # 이미지 일부 확대/축소
    shear_range = 0.5,        # 이미지 기울기로 회전
    width_shift_range = 0.5,  # 좌우(수평) 이동
    height_shift_range = 0.1, # 상하(수직) 이동
    horizontal_flip = True,   # 이미지 가로 뒤집기
    vertical_flip = True      # 이미지 세로 뒤집기 
)

augument_size = 100
x_augument = img_generator.flow(np.tile(x_train[0].reshape(28 * 28), 100).reshape(-1, 28, 28, 1),
                                np.zeros(augument_size), batch_size=augument_size,
                                shuffle=False).next()[0]

print(x_augument.shape) # (100, 28, 28, 1)
# print(x_augument)

plt.figure(figsize=(10, 10))
for c in range(100):
    plt.subplot(10, 10, c + 1)
    plt.axis('off')
    plt.imshow(x_augument[c].reshape(28, 28), cmap='gray')

plt.show()

# model
model = tf.keras.models.Sequential([
    # 이미지 데이터 특징 추출로 용량을 줄인다.
    tf.keras.layers.Conv2D(filters=32, kernel_size=3, input_shape=(28, 28, 1),
                           padding='same', activation='relu'),
    tf.keras.layers.MaxPool2D(pool_size=2),
    tf.keras.layers.Dropout(0.3),
    
    tf.keras.layers.Conv2D(filters=64, kernel_size=3, padding='same', activation='relu'),
    tf.keras.layers.MaxPool2D(pool_size=2),
    tf.keras.layers.Dropout(0.3),
    
    tf.keras.layers.Flatten(), # 백터로 데이터 한 줄로 세우기
    
    # 이미지 분류기
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.3),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dropout(0.3),
    tf.keras.layers.Dense(10, activation='softmax'),
])

print(model.summary())

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])

import os
model_dir = './mymnist'
if not os.path.exists(model_dir):
    os.mkdir(model_dir)
    
modelpath = './mymnist/{epoch:02d}-{val_loss:.3f}.hdf5'
chkpoint = ModelCheckpoint(filepath=modelpath, monitor='val_loss', verbose=0, sabe_best_only=True)
es = EarlyStopping(monitor='val_loss', patience=5)

history = model.fit(x_train, y_train, validation_split=0.2, epochs=100, batch_size=64, verbose=0,
                    callbacks=[es, chkpoint])

print('evaluate acc : %.4f'%(model.evaluate(x_test, y_test, batch_size=64, verbose=0)[0]))

history = history.history
plt.subplot(1, 2, 1)
plt.plot(history['acc'], marker='o', c='red', label='accuracy')
plt.plot(history['val_acc'], marker='s', c='blue', label='val_accuracy')
plt.xlabel('epochs')
plt.legend()

plt.subplot(1, 2, 2)
plt.plot(history['loss'], marker='o', c='red', label='loss')
plt.plot(history['val_loss'], marker='s', c='blue', label='val_loss')
plt.xlabel('epochs')
plt.legend()

plt.show()

 

    rotation_range = 이미지 회전 값
    zoom_range = 이미지 일부 확대/축소
    shear_range = 이미지 기울기로 회전
    width_shift_range = 좌우(수평) 이동
    height_shift_range =  # 상하(수직) 이동
    horizontal_flip = 이미지 가로 뒤집기
    vertical_flip = 이미지 세로 뒤집기 

 

 

 

기존 이미지를 변형