Keras ImageDataGenerator 方法 flow_from_directory答案

【问题标题】：Keras ImageDataGenerator method flow_from_directoryKeras ImageDataGenerator 方法 flow_from_directory
【发布时间】：2017-09-05 14:38:21
【问题描述】：

我有一个关于 ImageDataGenerator 模块的 flow_from_directory 方法的问题。我的标签是 2D 图像，因此我需要为图像和蒙版生成具有相同转换的增强数据。阅读Keras Image data preprocessing documentation，看起来flow_from_directory 只接受几种格式（PNG、JPG 或 BMP）的图像。 .mhd 图像或 numpy 数组呢？我可以把它们喂给这个模块吗？谢谢

【问题讨论】：

标签： python image-processing deep-learning keras

【解决方案1】：

flow_from_directory 将使用 PIL (see here) 读取图像，因此 Keras 可以读取 PIL 支持的所有格式。

但是，我没有看到任何同时读取掩码和图像并执行相同转换的方法。恐怕您将不得不创建自己的 ImageDataGenerator。如果您从当前代码开始，这非常简单。

【讨论】：

谢谢！为了应用相同的转换，这里的最后一个示例 [keras.io/preprocessing/image/] 不工作吗？
是的，我的错。当您提供相同的种子时，操作是相同的。因此，让 DataGenerator 的一个实现执行相同的操作是一个很好的技巧。

【解决方案2】：

此外，您可以将 ImageDataGenerator 用于任何增强工具，然后使用 .flow() 而不是 .flow_from_directory() 。这是管理 numpy 数组格式的图像的一种很酷的方法。看看这个：

train_datagen = ImageDataGenerator(rescale=1/255,
                                   rotation_range=40,
                                   width_shift_range=0.2,
                                   height_shift_range=0.2,
                                   shear_range=0.2,
                                   zoom_range=0.2,
                                   horizontal_flip=True,
                                   fill_mode='nearest')
train_generator=train_datagen.flow(training_images, training_labels)

那是因为 numpy 数组不是一种目录。因此，将您的数据集转换为 numpy 数组格式，然后尝试一下。希望你能得到一个真实的结果。

【讨论】：