用於3D語義分割任務的Keras預處理

Question

對於語義圖像分割，我知道您經常有一個包含圖像的文件夾和一個具有相應遮罩的文件夾。 就我而言，我有尺寸為（32、32、32）的灰度圖像。 掩模自然具有相同的尺寸。 標簽將保存為強度值（值1 =標簽1，值2 =標簽2等）。 共4節課。 想象一下，我發現了一個使用keras模型API構建的模型。 我如何知道如何准備標簽數據以供模型接受？ 是否取決於損失函數？ 是否在模型中定義（輸入參數）。 我是否只需添加另一個維度（4、32、32、32），其中4代表4個不同的類和一個熱門代碼呢？

我想建立一個用於語義分割的3D卷積神經網絡，但是我不明白如何正確地在keras中輸入數據。 預測的輸出應該是4通道3D圖像，每個通道顯示每個像素屬於某個類別的概率值。

Answer 1

Input()函數定義給定模型的輸入張量的形狀。 對於3D圖像，通常需要5D張量，例如(None, 32, 32, 32, 1) ，其中“無”是指批量大小。 因此，訓練圖像和標簽必須重塑。 to_categorical提供to_categorical函數對標簽數據進行一次熱編碼（這是必需的）。 生成器的使用有助於輸入數據。 在這種情況下，我不能使用來自keras的ImageDataGenerator，因為它只能處理RGB和灰度圖像，因此必須編寫自定義腳本。