質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.46%
Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Q&A

解決済

1回答

1053閲覧

kerasで正規化(Imagedatageneratorのいろいろな変換)+Random Erasingの実装

semisemi

総合スコア18

Keras

Kerasは、TheanoやTensorFlow/CNTK対応のラッパーライブラリです。DeepLearningの数学的部分を短いコードでネットワークとして表現することが可能。DeepLearningの最新手法を迅速に試すことができます。

CNN (Convolutional Neural Network)

CNN (Convolutional Neural Network)は、全結合層のみではなく畳み込み層とプーリング層で構成されるニューラルネットワークです。画像認識において優れた性能を持ち、畳み込みニューラルネットワークとも呼ばれています。

NumPy

NumPyはPythonのプログラミング言語の科学的と数学的なコンピューティングに関する拡張モジュールです。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

0グッド

0クリップ

投稿2022/12/14 08:55

前提

kerasのImagedatageneratorをカスタマイズしてRandom Erasingを実装できたのですが、正規化(255で割る)をすると真っ黒な画像が生成されてしまいます。
そのため、しっかりと正規化(Imagedatageneratorのいろいろな変換)+Random Erasingができるようにしたいです。

実現したいこと

kerasで正規化(Imagedatageneratorのいろいろな変換)+Random Erasing

発生している問題

イメージ説明図1
正規化していない場合のImagedatageneratorの変換+Random Erasing
イメージ説明図2
正規化した場合のImagedatageneratorの変換+Random Erasing

該当のソースコード

python

1import numpy as np 2from PIL import Image 3import tensorflow as tf 4import time 5import matplotlib.pyplot as plt 6# import os 7# os.environ["CUDA_VISIBLE_DEVICES"] = "-1" 8from tensorflow.keras.models import Model 9from tensorflow.keras.preprocessing import image 10from tensorflow.keras.preprocessing.image import ImageDataGenerator,array_to_img, img_to_array 11from tensorflow.keras.optimizers import Adam 12from tensorflow.keras.callbacks import EarlyStopping, LearningRateScheduler,ReduceLROnPlateau, ModelCheckpoint 13 14class MyImagedatagenerator(image.ImageDataGenerator): 15 16 def __init__(self, 17 random_erasing_probability = None, 18 random_erasing_area_ratio = [0.02,0.4], 19 random_erasing_aspect_ratio = [0.3,1/0.3], 20 random_erasing_mask_value = [0,1], 21 *args, **kwargs 22 ): 23 super().__init__(*args, **kwargs) 24 self.random_erasing_probability = random_erasing_probability 25 self.random_erasing_area_ratio = random_erasing_area_ratio 26 self.random_erasing_aspect_ratio = random_erasing_aspect_ratio 27 self.random_erasing_mask_value = random_erasing_mask_value 28 29 # def random_erasing(self, X, erasing_probability, erasing_area_ratio_range, 30 # erasing_aspect_ratio_range, random_erasing_mask_value): 31 # # ...一旦省略... 32 def __init__(self, 33 random_erasing_probability = None, 34 random_erasing_area_ratio = [0.02, 0.4], 35 random_erasing_aspect_ratio = [0.3, 1/0.3], 36 random_erasing_mask_value = [0, 1], 37 *args, **kwargs 38 ): 39 super().__init__(*args, **kwargs) 40 #random erasingを発生させる確率 41 self.random_erasing_probability = random_erasing_probability 42 #マスクする面積の範囲(相対値で表現) 43 self.random_erasing_area_ratio = random_erasing_area_ratio 44 #アスペクト比の範囲 45 self.random_erasing_aspect_ratio = random_erasing_aspect_ratio 46 #マスクする値の取りうる範囲 47 self.random_erasing_mask_value = random_erasing_mask_value 48 49 def random_erasing(self, X, erasing_probability, erasing_area_ratio_range, 50 erasing_aspect_ratio_range, random_erasing_mask_value 51 ): 52 X_copy = X.copy() 53 batch_size, H, W, C = X_copy.shape 54 original_area = H * W 55 56 for batch_index in range(batch_size): 57 58 if erasing_probability < np.random.rand(): 59 continue 60 61 # はみ出さないようリトライするループ 62 while True: 63 64 # マスクする面積をサンプリング 65 erasing_area = np.random.uniform( 66 erasing_area_ratio_range[0], erasing_area_ratio_range[1] 67 ) * original_area 68 69 # マスクするアスペクト比をサンプリング 70 erasing_aspect_ratio = np.random.uniform( 71 erasing_aspect_ratio_range[0], erasing_aspect_ratio_range[1] 72 ) 73 74 # 面積とアスペクト比から高さと幅を計算 75 erasing_height = int(np.sqrt(erasing_area * erasing_aspect_ratio)) 76 erasing_width = int(np.sqrt(erasing_area / erasing_aspect_ratio)) 77 78 # マスクを配置する端点をサンプリング 79 erasing_left_top_x = np.random.randint(0, W) 80 erasing_left_top_y = np.random.randint(0, H) 81 82 # マスクが元画像をはみ出すかどうかを計算 83 if erasing_left_top_x + erasing_width <= W \ 84 and erasing_left_top_y + erasing_height <= H: 85 break 86 87 # マスクする値の生成 88 erasing_values = np.random.uniform( 89 random_erasing_mask_value[0], random_erasing_mask_value[1], 90 (erasing_height, erasing_width, C) 91 ) 92 93 X_copy[batch_index, 94 erasing_left_top_y:erasing_left_top_y + erasing_height, 95 erasing_left_top_x:erasing_left_top_x + erasing_width, :] = erasing_values 96 97 98 99 return X_copy 100 101 def flow(self, seed=None, *args, **kwargs): 102 103 batch_gen = super().flow(seed=seed, *args, **kwargs) 104 105 while True: 106 107 batch_x, batch_y = next(batch_gen) 108 109 # random erasing 110 if self.random_erasing_probability is not None: 111 batch_x = self.random_erasing( 112 batch_x, 113 self.random_erasing_probability, 114 self.random_erasing_area_ratio, 115 self.random_erasing_aspect_ratio, 116 self.random_erasing_mask_value) 117 118 # batch_x = batch_x/255. 119 120 yield (batch_x, batch_y) 121 122def plot_augmentation_image(train_image_sample, train_label_sample, params): 123 124 # 同じデータを16個複製する 125 train_image_samples = np.repeat( 126 train_image_sample.reshape((1, *train_image_sample.shape)), 16, axis=0) 127 train_label_sample = np.repeat( 128 train_label_sample.reshape((1, *train_label_sample.shape)), 16, axis=0) 129 130 # 16個に対してparamsで与えられた変換を実施 131 data_generator = MyImagedatagenerator(**params) 132 generator = data_generator.flow( 133 x=train_image_samples, y=train_label_sample, batch_size=16) 134 135 # 変換後のデータを取得 136 batch_x, batch_y = generator.__next__() 137 138 # 変換後はfloat32となっているため、uint8に変換 139 batch_x = batch_x.astype(np.uint8) 140 141 # 描画処理 142 plt.figure(figsize=(10,10)) 143 for i in range(16): 144 plt.subplot(4,4,i+1) 145 plt.imshow(batch_x[i]) 146 plt.tick_params(labelbottom='off') 147 plt.tick_params(labelleft='off') 148 149params = { 150 'random_erasing_probability': 0.5, 151 'random_erasing_area_ratio': [0.02, 0.4], 152 'random_erasing_aspect_ratio': [0.3, 1/0.3], 153 'random_erasing_mask_value': [0, 255], 154 'rescale' :1./255, 155 'rotation_range':180, 156 'fill_mode':"constant", 157 'vertical_flip': True, 158 'brightness_range' : [0.7, 1.117], 159 'horizontal_flip' : True, 160 'dtype' : np.float64 161} 162plot_augmentation_image(x_train[1], y_train[1], params) 163 164

試したこと

https://dev.classmethod.jp/articles/tensorflow-image-generator-custom/
こちらのサイトを参考(コピペ)させていだいてRandom Erasing を実装しました。こちらのサイトでは、正規化されていなかったため正規化したかったのですが真っ黒になってしまい行き詰っております。
paramsにrescaleの追加やdef random_erasingやdef flowで255で割ってみても真っ黒になってしまいます。

回答いただけると幸いです。

補足情報(FW/ツールのバージョンなど)

anacondaを使用
python 3.8.13
TensorFlow 2.3
Spyder 5.3.3

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

自己解決

batch_x = batch_x.astype("float64") / 255.0をflowに適応することで解決しました。

投稿2022/12/14 11:31

semisemi

総合スコア18

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.46%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問