TF Keras：ISIC2019数据集图像增强排除NV类并实现实时生成

我正在处理ISIC 2019数据集的图像增强任务，该数据集包含9个类别，其中“NV”类样本占比严重失衡——总25331张图像中，“NV”类就有12876张。因此我计划将“NV”类排除在增强流程之外，后续再把增强后的其余类别图像与未改动的“NV”类图像重新组合。

我需要一个带有训练/验证拆分的ImageDataGenerator对象，以此实现实时（on-the-fly）增强。但查阅资料后发现无法直接合并两个ImageDataGenerator。

我尝试了以下代码，不仅无法实现实时数据生成器，甚至连图像保存功能都失效；另外，保存增强图像会占用大量存储空间（我仅能使用15GB的Google Drive），特此求助。

from keras.preprocessing.image import ImageDataGenerator
import os
import shutil

# 定义数据文件夹
data_directory = "/content/dataset"  # ISIC 2019图像路径
target_directory = "/content/dataset_aug"  # 已按子文件夹分类的增强图像路径

# 创建dataset_aug文件夹
os.makedirs(target_directory, exist_ok=True)

# 类别名称
class_names = ["AK", "BCC", "BKL", "DF", "MEL", "NV", "SCC", "UNK", "VASC"]

# 增强参数
datagen_aug = ImageDataGenerator(
    rescale=1/255.,
    rotation_range=180,
    width_shift_range=0.1,
    height_shift_range=0.1,
    zoom_range=0.1,
    horizontal_flip=True,
    vertical_flip=True,
    fill_mode='nearest'
)

# 遍历所有类别执行增强
for class_name in class_names:
    class_directory = os.path.join(data_directory, class_name)
    target_class_directory = os.path.join(target_directory, class_name)

    # 创建目标目录
    if not os.path.exists(target_class_directory):
        os.makedirs(target_class_directory)

    if class_name == "NV":
        # 将所有NV类图像原封不动复制到目标目录
        image_files = os.listdir(class_directory)
        for image_file in image_files:
            source_path = os.path.join(class_directory, image_file)
            target_path = os.path.join(target_class_directory, image_file)
            shutil.copy(source_path, target_path)
    else:
        # 对其他类别执行增强并保存到对应目标目录
        image_generator = datagen_aug.flow_from_directory(
            class_directory,
            target_size=(224, 224),
            batch_size=32,
            class_mode=None,
            save_to_dir=target_class_directory,
            save_prefix='aug_',
            save_format='png'
        )

        num_augmented_images = 9200  # 每个类别生成的增强图像数量
        for i in range(num_augmented_images):
            batch = next(image_generator)
            if (i + 1) % 100 == 0:
                print(f"已为{class_name}类别生成{i+1}张增强图像")

print("数据增强完成。")

内容的提问来源于stack exchange，提问作者mongoq