Question

我在重塑CNN LSTM模型的数据集时遇到麻烦。假设我的X.shape =（450,224,224,3）和Y.shape =（450,224,224,12），对通道进行了一些解释：3是图像的通道数，而12是语义分割的类数。

现在，我想对其进行重塑，使其变为X.shape =（150,3,224,224,3）和Y.shape =（150,3,224,224,12），以便馈入CNN + LSTM模型。

我已经尝试过使用np.reshape，但似乎无法正常工作。以下是我的尝试。这是我与Keras，Python共同完成的第一个项目，一切对我来说都是新的。希望能收到你们的有用建议。

def getImageArr( path , width , height ):
    img = cv2.imread(path, 1)
    img = np.float32(cv2.resize(img, ( width , height ))) / 127.5 - 1
    return img

def getSegmentationArr( path , nClasses ,  width , height  ):

    seg_labels = np.zeros((  height , width  , nClasses ))
    img = cv2.imread(path, 1)
    img = cv2.resize(img, ( width , height ))
    img = img[:, : , 0]

    for c in range(nClasses):
        seg_labels[: , : , c ] = (img == c ).astype(int)
    ##seg_labels = np.reshape(seg_labels, ( width*height,nClasses  ))
    return seg_labels




images = os.listdir(dir_img)
images.sort()
segmentations  = os.listdir(dir_seg)
segmentations.sort()    
X = []
Y = []
for im , seg in zip(images,segmentations) :
    if im != '.DS_Store' and seg != '.DS_Store':
        X.append( getImageArr(dir_img + im , input_width , input_height )  )
        Y.append( getSegmentationArr( dir_seg + seg , n_classes , output_width , output_height )  )

X, Y = np.array(X), np.array(Y)
np.reshape(X, (150,3,224,224,3))
np.reshape(Y, (150,3,224,224,12))
print(X.shape,Y.shape)

重塑CNN LSTM的数据集

0 个答案: