Aplicando data augmentation

Link base de datos:
https://www.kaggle.com/alarcon7a/cnn-data-sources

Algunos resultados de Nhaga con la siguiente configuración:

datagen = ImageDataGenerator(rotation_range=60,
                            width_shift_range=0.4,
                            height_shift_range=0.4,
                            zoom_range=0.3,
                            horizontal_flip=True,
                            fill_mode='reflect',
                            brightness_range=[0.3,1.4]                   
) 

Omi, la gata, viendo el vacío

Ya tengo nuevo wallpaper

Este módulo contiene utilidades para el preprocesamento y ampliación de imágenes. ImageDataGenerator: Es una clase que permite generar lotes de datos de imágenes con transformaciones en tiempo real, como rotación, cambio de tamaño, recorte, etc. Se puede usar para aumentar el conjunto de datos y evitar el sobreajuste. array_to_img: Es una función que convierte un arreglo de Numpy a una imagen de PIL (Python Imaging Library). Se puede usar para visualizar o guardar una imagen a partir de un arreglo. img_to_array: Es

img = load_img('/kaggle/input/projfreddy/DL.png')
x = img_to_array(img)
x = np.expand_dims(x, axis=0)
datagen = ImageDataGenerator(
    rotation_range=40,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0.2,
    zoom_range=0.4,
    horizontal_flip=True,
    fill_mode='nearest'
)



i = 0
for batch in datagen.flow(x, batch_size=10):
    plt.figure(i)
    imgplot = plt.imshow(array_to_img(batch[0]))
    i += 1
    if i % 4 == 0:  # Mostrar solo 4 imágenes aumentadas
        break

plt.show()