KerasのImageDataGeneratorのflow関数について

Question

Kerasで機械学習による画像分類を行っています。
データ数が少ないという問題に対してKerasのImageDataGeneratorクラスを利用してデータ拡張を行う際に疑問が生まれました。

Kerasの公式サイトにてflow関数の使用例として以下のような例が挙げられています。
ここにおけるデータの拡張とは、例えばデータ自体を何枚に拡張するといったことではなく、学習のためにデータを与えるたびに、ランダムでオーギュメンテーションを行うという認識で問題ないでしょうか？

(x_train, y_train), (x_test, y_test) = cifar10.load_data()
y_train = np_utils.to_categorical(y_train, num_classes)
y_test = np_utils.to_categorical(y_test, num_classes)

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

# compute quantities required for featurewise normalization
# (std, mean, and principal components if ZCA whitening is applied)
datagen.fit(x_train)

# fits the model on batches with real-time data augmentation:
model.fit_generator(datagen.flow(x_train, y_train, batch_size=32),
                    steps_per_epoch=len(x_train) / 32, epochs=epochs)

Answer 1

質問者様の認識で問題ないです。
よって、データ拡張の効果を活かすには、epoch数を十分大きくする必要があります。

たとえば、こちらの記事はデータ拡張ありでepochs=200でやっていますが、同じ人の少し前のこちちの記事は同一テーマのデータ拡張なし版でepochs=30となっています。

Comments

[k-fd]

ありがとうございます。実際の例も非常にわかりやすく感謝いたします。
参考にさせていただきます。