为了进行多类分割，需要对掩码进行一次热编码。例如，如果我有100个形状为224x224x3的图像且具有5个不同的类别，则我将拥有一组形状为（100、224、224、5）的蒙版，即最后一个维度（通道）是指像素的类别。以一个包含6个类的灰度蒙版（每个像素的标签为1-6）为例，我可以使用tf.keras.utils.to_categorical轻松将其转换为所需的分类蒙版。
如果我使用keras随附的ImageDataGenerator，我知道我可以为图像和遮罩创建一个生成器，然后将它们压缩在一起以解决问题（如下代码所示），但是我感到困惑的是如何将遮罩转换为使用ImageDataGenerator时这种绝对的一键编码结构？ ImageDataGenerator仅在保存为图像的目录中找到文件，因此我无法转换遮罩，然后将它们另存为numpy数组（单热编码的遮罩），供生成器使用，因为图像无法有四个以上的频道对吗？是否以某种方式告诉生成器执行此转换？还是这因此限制了我在问题中可以拥有的课程数量？
一种解决方案是使用完成的序列类编写我自己的自定义生成器，但是我很想了解Keras内置ImageDataGenenerator是否可以实现？解决方案可以在网络上写一个lambda层吗？
mask_categorical = tf.keras.utils.to_categoricl(mask) #converts 224x224 grayscale mask to one-hot encoding version
imgDataGen = ImageDataGenerator(rescale=1/255.)
maskDataGen = ImageDataGenerator()
imageGenerator =imageDataGen.flow_from_directory("dataset/image/",
class_mode=None, seed=40)
maskGenerator = maskDataGen.flow_from_directory("dataset/mask/",
class_mode=None, seed=40)
trainGenerator = zip(imageGenerator, maskGenerator)