Curso oferecido pela deeplearning.ai no Coursera
Nesta primeira semanas iremos trabalhar em um dataset público, este conjunto de dados está disponível no kaggle:
Criaremos um modelo para distinguir entre imagens de gatos e cachorros
Este modelo é criado com as técnicas já vistas no curso anterior
Podemos aplicar a técnica de Data Augmentation através do ImageDataGenerator. Vamos ver um exemplo:
train_datagen = ImageDataGenerator(
rescale = 1/255,
rotation_range = 40,
width_shift_range = 0.2,
height_shift_range= 0.2,
shear_range = 0.2,
zoom_range = 0.2,
horizontal_flip = True,
fill_mode = 'nearest'
)
Note que desta vez passamos vários argumentos a quais definem intervalos de variação em aspectos das imagens, como rotação, zoom, translação horizontal e vertical, entre muitos outros.
Para ver com detalhes veja a documentação oficial:
tf.keras.preprocessing.image.ImageDataGenerator | TensorFlow v2.11.0
Note que desta forma estamos fazendo Data Augmentation de uma maneira otimizado, pois estamos utilizando de um gerador, não armazenando estas novas imagens na memória.