Question

我正在尝试训练将图像转换为另一图像的模型（因此，不是图像分类问题）。它是自动着色，即将灰度图像转换为颜色。

我已经建模了我的顺序DL模型。

我想提供（image_x，image_y）而不是（image_x，label）作为model.fit（）方法的输入。

我如何使用ImageDataGenerator来做到这一点？

如果ImageDataGenerator不是合适的方法，请您参考适当的Keras方法来完成这项工作吗？

我有目录中的图像

train/grayscale/
train/color/
validation/grayscale
validation/color
test/grayscale
test/color

提前致谢。

Answer 1

您的问题就像图像分割任务一样。有一个例子是将图像和蒙版（在你的情况下是彩色图像）与keras documentation中的ImageDataGenerator一起转换。

以下是示例：

# we create two instances with the same arguments
data_gen_args = dict(featurewise_center=True,
                     featurewise_std_normalization=True,
                     rotation_range=90.,
                     width_shift_range=0.1,
                     height_shift_range=0.1,
                     zoom_range=0.2)
image_datagen = ImageDataGenerator(**data_gen_args)
mask_datagen = ImageDataGenerator(**data_gen_args)

# Provide the same seed and keyword arguments to the fit and flow methods
seed = 1
image_datagen.fit(images, augment=True, seed=seed)
mask_datagen.fit(masks, augment=True, seed=seed)

image_generator = image_datagen.flow_from_directory(
    'data/images',
    class_mode=None,
    seed=seed)

mask_generator = mask_datagen.flow_from_directory(
    'data/masks',
    class_mode=None,
    seed=seed)

# combine generators into one which yields image and masks
train_generator = zip(image_generator, mask_generator)

model.fit_generator(
    train_generator,
    steps_per_epoch=2000,
    epochs=50)

请注意，如果class_mode = None，数据仍然需要驻留在目录的子目录中，以使其正常工作。

例如，当您将train/grayscale和train/color传递给两个flow_from_directory函数时，列车图像的目录应如下所示：

train/grayscale/images
train/color/images

如何使用Keras ImageDataGenerator进行图像变换输入

1 个答案: