SMOTE 技术不对图像数据集进行过采样

Question

我是 imblearn 库的新手。我的图像数据集属于 5 个类别，数据集非常不平衡。我使用 tensorflow flow.from 目录函数加载图像并使用 smote 函数进行重采样。

img_height, img_width = 224,224
# the no. imgaes to load at each iteration
batch_size = 32
# only rescaling
train_datagen =  ImageDataGenerator(
    rescale=1./255,
    zoom_range=0.2,
    horizontal_flip=True,
    vertical_flip=True
)
test_datagen =  ImageDataGenerator(
    rescale=1./255,
    vertical_flip=True, 
    zoom_range=0.2,
    horizontal_flip=True
)
# these are generators for train/test data that will read pictures #found in the defined subfolders of 'data/'
print('Total number of images for "training":')
train_generator = train_datagen.flow_from_directory(
train_data_dir,
target_size = (img_height, img_width),
batch_size = batch_size, 
class_mode = "categorical",shuffle = True
    #,color_mode='grayscale'
)    
smote = SMOTE()
    X_sm, y_sm = smote.fit_resample(train_generator, category_names)

单元格开始运行，30 到 40 分钟后，jupyter 内核已死，我没有得到任何结果。请帮忙解决这个问题，我有 16 GB 的 GPU，但在图像数据集

上没有运行ning

Answer 1

您可以对不平衡类别执行data augmentation
将它们调整为 (28,28) 或 (32,32) 并使用 flatten 转换为 784 或 1024 特征现在您可以使用 SMOTE

希望有用

SMOTE 技术不对图像数据集进行过采样

SMOTE technique not oversampling image dataset

python

image

imblearn

smote