![](/img/trans.png)
[英]Keras: How to provide custom labels using flow_from_directory?
[英]Input pipeline for semantic image segmentation (3 labels) with keras (TensforFlow backend) using flow_from_directory()
我正在使用keras(TensorFlow后端),并且试图了解如何使用flow_from_directory引入用于图像分割的标签/遮罩(3个标签)。
train_images的尺寸为(144、144、144)-灰度,uint8。 相应的label_images具有相同的尺寸,但此处的值1表示标签1,值2 =标签2,值3 =标签3,值0显示未标签的像素。
由于这是语义分割,因此对图像中的每个像素进行分类需要使用逐像素交叉熵损失函数。 正如我在某些帖子中所读到的那样,keras(或TensorFlow)要求我的label_image / mask是一个热门代码。 因此,我希望我的label_images是具有3个通道的图像,其中每个像素将由一个二进制矢量组成。 示例:[0,1,0]。
如何处理存储为0的未标记像素? 是否应该将它们编码为[0,0,0]?
但是,我在哪里找不到答案的问题是:如何正确整形/热编码label_images? keras中有一个方便的函数可以让我转换image_labels吗?
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1. / 255)
label_datagen = ImageDataGenerator(rescale=1. / 255)
train_image_generator = train_datagen.flow_from_directory(
directory='/train_images',
target_size=(144, 144, 144),
color_mode='grayscale',
classes=None,
class_mode=None,
batch_size=4)
train_label_generator = label_datagen.flow_from_directory(
directory='/label_images',
target_size=(144, 144, 144),
color_mode='grayscale',
classes=None,
class_mode=None,
batch_size=4)
train_generator = zip(train_image_generator, train_label_generator)
目前正在从事非常相似的工作,但有10个课程。 尚不完全存在,但是对于您关于keras内置函数的问题,请结帐:
one_hot_array = keras.utils.to_categorical(array_of_label_data, nb_classes)
这将创建您的遮罩/标签数据的一站式矢量。 因此,对于您的情况,假设100个蒙版的预期输出为(100,H,W,3),其中3等于您正在使用的类的数量。 我不确定的是您的蒙版是否有背景,以及如何为数据构建文件夹。 希望能有所帮助。
同样,您的target_size
处于关闭状态,这是指图像的尺寸(例如,高度和宽度)。 不应有第三个值。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.