我试图使用我对 Keras 文档中示例代码的修改，该文档展示了在使用图像掩码代替标签的情况下如何设置 image_datagen.flow_from_directory() （用于图像分割，我们在其中预测一个类）对于每个像素）。
顺便说一下，我设置了 featurewise_center = True ，试图从每个图像的颜色通道中减去所有训练图像的每个颜色通道的平均值，这样在整个训练集中，每个颜色通道的平均值将为 0。我希望这样不是实现此目的的方法。
无论如何，这是我生成错误的代码：
image_datagen = ImageDataGenerator(featurewise_center = True)
mask_datagen = ImageDataGenerator()
image_generator = image_datagen.flow_from_directory(
'/home/icg/Martin/train_data_graz/images_rect_r640x360',
class_mode = None,
batch_size = 1,
seed = 123)
mask_generator = mask_datagen.flow_from_directory(
'/home/icg/Martin/train_data_graz/labels_rect_r640x360',
class_mode = None,
batch_size = 1,
seed = 123)
# combine generators into one which yields image and masks
train_generator = zip(image_generator, mask_generator)
model.fit_generator(
train_generator,
steps_per_epoch = 1000,
epochs = 100)
这是错误消息：
Found 0 images belonging to 0 classes.
Found 0 images belonging …我正在尝试使用tensorflow.keras. 我使用的数据集将图像和掩码存储在单独的目录中，每个文件名都有一个 id，用于将图像文件与其各自的掩码映射。
以下是我的数据集目录的结构：
new
- rendered_imges
- render
- image_1.tif
- image_2.tif
- image_3.tif
- ground_truths
- masks
- mask_1.tif
- mask_2.tif
- mask_3.tif
在上面的目录结构中，image_{i}.tif对应于mask_{i}.tif.
我尝试编写一个ImageDataGenerator以完全相同的方式增强图像及其各自的蒙版。我的方法如下：
SEED = 100
image_data_generator = ImageDataGenerator(
width_shift_range = 0.1,
height_shift_range = 0.1,
rotation_range = 10,
zoom_range = 0.1
).flow_from_directory('./new/rendered_images', batch_size = 16, target_size = (150, 150), seed = SEED)
mask_data_generator = ImageDataGenerator(
width_shift_range = 0.1,
height_shift_range = 0.1,
rotation_range = 10,
zoom_range = 0.1
).flow_from_directory('./new/ground_truths', …