在 keras 上使用 ImageDataGenerator 中的 preprocessing_function

Question

我注意到有一个 preprocess_input 函数根据您要在 tensorflow.keras.applications 中使用的模型而有所不同。

我正在使用ImageDataGenerator 类来扩充我的数据。更具体地说，我使用的是 CustomDataGenerator，它扩展自 ImageDataGenerator 类并添加了颜色转换。

看起来是这样的：

class CustomDataGenerator(ImageDataGenerator):
    def __init__(self, color=False, **kwargs):
        super().__init__(preprocessing_function=self.augment_color, **kwargs)

        self.hue = None

        if color:
            self.hue = random.random()

    def augment_color(self, img):
        if not self.hue or random.random() < 1/3:
            return img

        img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
        img_hsv[:, :, 0] = self.hue

        return cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)

我在ImageDataGenerator 上使用了rescale=1./255，但有些模型需要不同的预处理。

所以当我尝试时

CustomDataGenerator(preprocessing_function=tf.keras.applications.xception.preprocess_input)

我收到此错误：

__init__() got multiple values for keyword argument 'preprocessing_function'

Answer 1

问题是，你已经在这里传递了一次preprocessing_function

super().__init__(preprocessing_function=self.augment_color, **kwargs)

然后再次从

CustomDataGenerator(preprocessing_function=tf.keras.applications.xception.preprocess_input)

所以现在是这样的

super().__init__(preprocessing_function=self.augment_color, preprocessing_function=tf.keras.applications.xception.preprocess_input)

删除其中一个就可以了。

编辑 1： 如果您想保留两者，最好将它们合并到一个预处理方法中并将其作为 preprocessing_function 传递

在 CustomDataGenerator 中添加以下方法

    def preprocess(self, image):
        image = self.augment_color(image)
        return tf.keras.applications.xception.preprocess_input(image)

将其用作预处理函数

super().__init__(preprocessing_function=self.preprocess, **kwargs)