使用R中的image_data_generator与类似于白蛋白的概率

Question

Albumentations (在python中)具有可以采用概率参数p，例如的图像转换。

transform = A.Compose([
        A.RandomRotate90(),
        A.Flip(),
        A.Transpose(),
        A.OneOf([
            A.IAAAdditiveGaussianNoise(),
            A.GaussNoise(),
        ], p=0.2),
        A.OneOf([
            A.MotionBlur(p=.2),
            A.MedianBlur(blur_limit=3, p=0.1),
            A.Blur(blur_limit=3, p=0.1),
        ], p=0.2),
        A.ShiftScaleRotate(shift_limit=0.0625, scale_limit=0.2, rotate_limit=45, p=0.2),
        A.OneOf([
            A.OpticalDistortion(p=0.3),
            A.GridDistortion(p=.1),
            A.IAAPiecewiseAffine(p=0.3),
        ], p=0.2),
        A.OneOf([
            A.CLAHE(clip_limit=2),
            A.IAASharpen(),
            A.IAAEmboss(),
            A.RandomBrightnessContrast(),            
        ], p=0.3),
        A.HueSaturationValue(p=0.3),
    ])

Rstudio的Keras实现有image_data_generator，它有图像转换，但没有概率参数。

在Rstudio的Keras中，只有在某种概率范围内应用的图像转换，最简单的方法是什么？

一种方法是通过网状在python中使用Albumentations，但实际上是比看上去更难。

想法？

Answer 1

实现dataset管道的推荐方法是将{tfdatasets集}与keras预处理层结合使用。

data_augmentation <- keras_model_sequential() %>%
  layer_random_flip("horizontal") %>%
  layer_random_rotation(0.1) %>%
  layer_random_zoom(0.2)

ds <- image_dataset_from_directory(image_size = c(180, 180)) %>%
  dataset_map(~ list(data_augmentation(.x), .y))

在这里可以找到更多的例子：Layers.html#快速食谱-1

如果您进入自定义转换，您还可以在本地设置一个警卫，如下所示：

maybe_add_noise <- tf_function(function(x) {
  if(tf$random$uniform() > .5) {
    x <- x + tf$random$uniform(x$shape)
  }
  x
})

ds <- ds %>%
  dataset_map(~ list(maybe_add_noise(.x), .y))