这可能会有所帮助 - https://github.com/tgsmith61591/smrt。合成少数重建技术使用变分自动编码器。

我们的图像数据通常采用 (8000,128,64,3) 格式，如果我们直接传递给 SMOTE，那么它会抛出错误，因为它被设计为输入 (n_examples, n_feature)。

我们需要重塑我们的形象：

dataForSmote = x.reshape(8000, 128 * 64 * 3)

然后，

smote = SMOTE(sampling_strategy = 0.8)

x_smote, y_smote = smote.fit_resample(dataForSmote , y)

X_smote = x_smote.reshape(10800, 128, 64, 3)

在这里，我假设 6K 为多数集，2K 为少数集，如果我们计算 6K 的 80%，我们得到 4.8K，即 2.8K 新合成示例添加的总数变为 8+2.8 = 10.8K

使用X_smote和y_smote进行培训。