Tensorflow DATA Augmentation(이미지 증식)

텐서플로우로 이미지 증식하기(데이터 뻥튀기)

from zipfile import ZipFile
from keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Flatten, Conv2D, MaxPooling2D
from keras.preprocessing.image import ImageDataGenerator

### 이미지 증식 전 분류하기
#zip 해제하기
directory = './'
with ZipFile('TeamA_name2.zip') as f :
  x = [f.extract(file, directory) for file in f.namelist() if file.endswith('jpg')] #jpg파일만 압축 해제

# 이미지 가져오기
train_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from_directory(directory='./TeamA_name2/train', target_size = (24,24),
                                  batch_size = 3, class_mode = 'categorical')
                                  # "binary"      : 1D numpy array of binary labels .
                                  # "categorical" : 2D numpy array of one-hot encoded labels. Supports multi-label output.
                                  # "sparse"      : 1D numpy array of integer labels.
test_datagen = ImageDataGenerator(rescale =1./255)
test_generator = test_datagen.flow_from_directory(directory='./TeamA_name2/test', target_size = (24,24),
                                  batch_size = 3, class_mode = 'categorical')

#모델 세팅
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=(24,24,3)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(4, activation='softmax'))
model.compile(optimizer='adam', loss = 'categorical_crossentropy', metrics =['accuracy'])
model.fit(
        train_generator,
        steps_per_epoch=15,
        epochs=30,
        validation_data=test_generator,
        validation_steps=5)
scores = model.evaluate(test_generator, steps=5)
print("%s: %.2f%%" %(model.metrics_names[1], scores[1]*100))
# 100% 


########## 이미지 증식하여 시도
#이미지 증식
train_datagen = ImageDataGenerator(
        rescale=1./255,                # rescale, fill_mode를 제외한 변수는 설정한 n값에 대해 -n ~ +n의 랜덤값을 가집니다
                                   rotation_range=10,             # 회전 범위 -10~10
                                   width_shift_range=0.2,         # 가로 방향으로 이미지 이동
                                   height_shift_range=0.2,        # 세로 방향으로 이미지 이동
                                   shear_range=0.7,               # 찌그러짐(이미지 밀림)
                                   zoom_range=[0.9, 2.2],         # 확대 범위
                                   horizontal_flip=True,          # 가로 반전
                                   vertical_flip=True,            # 세로 반전
                                   brightness_range=(0.1, 0.9),   # 이미지 밝기
                                   fill_mode='nearest')           # 이미지를 회전, 이동하거나 축소할 때 생기는 공간을 채우는 방식
# fill_mode 에는 아래 4종류가 있으며 nearest를 가장 많이 사용
# 'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k)
# 'nearest':  aaaaaaaa|abcd|dddddddd
# 'reflect':  abcddcba|abcd|dcbaabcd
# 'wrap':     abcdabcd|abcd|abcdabcd

#이미지 불러오기
train2_generator = train_datagen.flow_from_directory(
        './TeamA_name2/train',
        target_size=(24, 24),
        batch_size=3,
        class_mode='categorical') #2배로 증식되었으나 메시지로는 안나옴
test2_datagen = ImageDataGenerator(rescale=1./255.)
test2_generator=test2_datagen.flow_from_directory('./TeamA_name2/test',
                                 target_size=(24,24),
                                 batch_size=3,
                                 class_mode='categorical')

#모델은 기존의 모델과 동일
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=(24,24,3)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(4, activation='softmax'))
model.compile(optimizer='adam', loss = 'categorical_crossentropy', metrics =['accuracy'])

#학습(기존과 동일)
model.fit(
        train2_generator,
        steps_per_epoch=15,
        epochs=30,
        validation_data=test2_generator,
        validation_steps=5)

scores = model.evaluate(test2_generator, steps=5)
print("%s: %.2f%%" %(model.metrics_names[1], scores[1]*100))
# 66%나옴. 이미지 증식도 알맞게 세팅을 해야할 것 같다.



### 따로 이미지 1장으로 평가하고 싶을 경우
from tensorflow.keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img

# 파일 불러오기
def load_image(filename):
    img = load_img(filename, target_size=(24, 24))
    img = img_to_array(img)
    img = img.reshape(1, 24, 24, 3)
    img = img.astype('float32')
    return img

# 평가 예측 함수
def run_example():
    img = load_image('file_name.png') #파일 이름 입력
    result=model.predict(img)
    ans = [k for k, v in test_generator.class_indices.items() if v == np.argmax(result[0])][0]
    print(f'{max(result[0])*100}% 확률로 "{ans}"가 작성한 signature 입니다.')

run_example()