Keras ImageDataGenerator预处理

Question

例如，考虑在Keras中对Resnet50模型进行微调。For example here：

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.preprocessing.image import ImageDataGenerator
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')

train_datagen = ImageDataGenerator()
train_generator = train_datagen.flow_from_directory(
     "./data/train",
    target_size=(299, 299),
    batch_size=50,
    class_mode='binary')
model.fit_generator(train_generator, steps_per_epoch=100)

让我困惑的是，为什么ImageDataGenerator没有给出一个与Resnet50期望一致的preprocessing_function规范。具体地说，ResNet50包中提供了Resnet50.preprocess_input()。ImageDataGenerator's输入如下所示：

keras.preprocessing.image.ImageDataGenerator(featurewise_center=False,
    samplewise_center=False,
    featurewise_std_normalization=False,
    samplewise_std_normalization=False,
    zca_whitening=False,
    zca_epsilon=1e-6,
    rotation_range=0.,
    width_shift_range=0.,
    height_shift_range=0.,
    shear_range=0.,
    zoom_range=0.,
    channel_shift_range=0.,
    fill_mode='nearest',
    cval=0.,
    horizontal_flip=False,
    vertical_flip=False,
    rescale=None,
    preprocessing_function=None,
    data_format=K.image_data_format())

所以我很困惑ImageDataGenerator的正确初始化应该是什么。我可以设置preprocessing_function=resnet50.Resnet50.preprocess_input，但是我不确定要为其余的ImageDataGenerator参数设置什么，因为其中一些参数是非零的，比如zca。

注意:我不仅对Resnet50感兴趣，而且对任何模型都感兴趣。在Keras中似乎有一些默认设置，比如默认使用“caffe”或“in”正常化。

Answer 1

可以将预处理函数的名称传递给预处理参数。如果您不想要数据增强，则不需要传递任何其他内容。

from keras.applications.resnet50 import preprocess_input
from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(preprocessing_function=preprocess_input)

您还可以编写自己的自定义预处理函数并将其作为参数传递。确保自定义函数的参数和返回值是numpy数组。