Мои данные о тренировке несбалансированы. Поэтому я решил пересмотреть мой набор данных. Я хочу сделать небольшие изменения при пересчете. Я хотел бы применить горизонтальное отражение и фильтр Гаусса к классам меньшинства, чтобы сделать все классы равными.
Для этого я хотел бы использовать чистые методы обработки изображений, чтобы увеличить количество моих выборок с меньшинство. Для этого я запускаю этот код в своих классах, в которых меньше изображений
directory = ''
for file in os.listdir(directory):
img = cv2.imread(directory + file)
# horizontal_img = cv2.flip( img, 0 )
Flip_Horizontal = cv2.flip(img, 1) # 1 means Horizontal Flip
#saving now
cv2.imwrite(file + '_flip' + '.jpg', Flip_Horizontal)
Однако я видел, что некоторые учебники используют библиотеки Keras для увеличения изображений. Как в следующем сообщении в блоге:
https://www.pyimagesearch.com/2020/04/27/fine-tuning-resnet-with-keras-tensorflow-and-deep-learning/
В моем случае я могу использовать первый метод (чистая обработка изображений = ручное копирование данных с небольшими изменениями)? или я должен использовать библиотеки, доступные в Keras или PyTorch?